基于朗之万动力学的生成先验可证明压缩感知
机器学习
2021-02-26 v1 机器学习
摘要
深度生成模型已成为各类逆问题（如压缩感知、相位恢复和超分辨率）中信号的一类强大先验。此处，我们假设未知信号位于某个预训练生成模型的值域内。一种流行的信号恢复方法是在低维隐空间中进行梯度下降。尽管梯度下降取得了良好的经验性能，其理论行为尚不被充分理解。本文中，我们引入随机梯度朗之万动力学（SGLD）用于带生成先验的压缩感知。在对生成模型的温和假设下，我们证明了 SGLD 收敛到真实信号。我们也展示了其与标准梯度下降相当的经验性能。
引用
@article{arxiv.2102.12643,
title = {Provable Compressed Sensing with Generative Priors via Langevin Dynamics},
author = {Thanh V. Nguyen and Gauri Jagatap and Chinmay Hegde},
journal= {arXiv preprint arXiv:2102.12643},
year = {2021}
}