用于异常分割的量子分块自编码器
量子物理
2025-01-31 v1 机器学习
摘要
量子机器学习探索了量子计算机增强机器学习算法的可能性。异常分割是各个领域中用于在样本级别识别异常的一项基础任务，可通过监督和无监督方法来解决。自编码器常用于无监督任务，通过训练模型高效重建正常实例，从而利用高重建误差来识别异常。尽管文献中已提出量子自编码器，但其在异常分割任务中的应用仍未被探索。本文提出了一种用于图像异常分割的分块量子自编码器（QPB-AE），其参数数量随分块大小呈对数级缩放。QPB-AE 重建嵌入输入分块的量子态，通过 SWAP 测试直接从测量中计算异常图，而无需重建输入图像。我们在多个数据集和参数配置上评估了其性能，并将其与经典对应方法进行了比较。
引用
@article{arxiv.2404.17613,
title = {Quantum Patch-Based Autoencoder for Anomaly Segmentation},
author = {Maria Francisca Madeira and Alessandro Poggiali and Jeanette Miriam Lorenz},
journal= {arXiv preprint arXiv:2404.17613},
year = {2025}
}