自相似先验：作为可微分形表示的神经拼贴
机器学习
2022-04-19 v1 人工智能
计算机视觉与模式识别
摘要
自然界中的许多模式展现出自相似性：它们可通过自指变换被紧凑地描述。所述模式普遍出现于自然与人工对象中，例如分子、海岸线、星系乃至图像。在本工作中，我们研究了学习在自相似性的自动发现及其在下游任务中的利用方面的作用。为此，我们设计了一类新颖的隐式算子——神经拼贴（Neural Collages），其（1）将数据表示为自指、结构化变换的参数，且（2）采用超网络将寻找这些参数的代价摊还至单次前向传播。我们探究了如何在包括数据压缩与生成在内的各种任务中利用神经拼贴所产生的表示。神经拼贴图像压缩器在编码期间比其他基于自相似性的算法快数个数量级，并提供与隐式方法相竞争的压缩率。最后，我们展示了神经拼贴在分形艺术及作为深度生成模型中的应用。
引用
@article{arxiv.2204.07673,
title = {Self-Similarity Priors: Neural Collages as Differentiable Fractal Representations},
author = {Michael Poli and Winnie Xu and Stefano Massaroli and Chenlin Meng and Kuno Kim and Stefano Ermon},
journal= {arXiv preprint arXiv:2204.07673},
year = {2022}
}