分数引导的中间层优化：面向逆问题的快速朗之万混合
机器学习
2022-06-24 v2 人工智能
摘要
我们证明了用于反演随机加权深度神经网络生成器的朗之万算法的快速混合性，并刻画了其平稳分布。这一结果将 Hand 和 Voroninski 的工作从高效反演扩展到高效后验采样。在实践中，为了允许更高的表达能力，我们提出在预训练生成模型的潜在空间中进行后验采样。为此，我们在 StyleGAN-2 的潜在空间中训练了一个基于分数的模型，并用其求解逆问题。我们的框架，分数引导的中间层优化（SGILO），通过用中间层的生成先验替代稀疏正则化，扩展了先前的工作。实验上，我们相较于先前的最先进方法取得了显著改进，尤其是在低测量次数场景下。
引用
@article{arxiv.2206.09104,
title = {Score-Guided Intermediate Layer Optimization: Fast Langevin Mixing for Inverse Problems},
author = {Giannis Daras and Yuval Dagan and Alexandros G. Dimakis and Constantinos Daskalakis},
journal= {arXiv preprint arXiv:2206.09104},
year = {2022}
}
备注
Accepted to ICML 2022. 32 pages, 9 Figures