自验证：单实例深度生成先验的早停法
计算机视觉与模式识别
2021-10-26 v1 机器学习
图像与视频处理
信号处理
摘要
近期研究表明，深度生成模型在解决众多图像重建（IR）任务时表现出惊人的有效性，即便没有训练数据也是如此。我们将此类模型（如深度图像先验和深度解码器）统称为单实例深度生成先验（SIDGP）。然而，其成功往往取决于恰当的早停（ES），而迄今为止这很大程度上以临时方式处理。本文中，我们提出将 SIDGP 应用于 IR 时首个有原则的 ES 方法，利用了重建质量典型的钟形趋势。具体而言，我们的方法基于协同训练与自验证：原始重建过程由一个深度自编码器监控，该自编码器利用历史重建图像在线训练，并持续用于验证重建质量。实验上，在多个 IR 问题和不同 SIDGP 上，我们的自验证方法能可靠地检测近峰值性能并指示良好的 ES 点。我们的代码见 https://sun-umn.github.io/Self-Validation/。
引用
@article{arxiv.2110.12271,
title = {Self-Validation: Early Stopping for Single-Instance Deep Generative Priors},
author = {Taihui Li and Zhong Zhuang and Hengyue Liang and Le Peng and Hengkang Wang and Ju Sun},
journal= {arXiv preprint arXiv:2110.12271},
year = {2021}
}
备注
To appear in British Machine Vision Conference (BMVC) 2021