使用预训练可逆网络与未训练网络先验的欠采样傅里叶叠层成像
图像与视频处理
2020-05-15 v1 计算机视觉与模式识别
信息检索
机器学习
信号处理
摘要
近来，预训练生成模型在欠采样傅里叶叠层成像（FP）中于极低采样率和高噪声下的重建质量方面展现出有前景的结果。然而，这些预训练生成先验的一个显著缺点是其有限的表示能力。此外，训练这些生成模型需要访问大量特定类别图像（如人脸或数字）的全观测干净样本，而在FP背景下获取此类样本是不可行的。本文中，我们提出利用预训练可逆生成模型和未训练生成模型的能力，分别缓解表示误差问题和大量示例图像（用于训练生成模型）的需求。通过大量实验，我们证明了所提方法在FP低采样率和高噪声水平下的有效性。
引用
@article{arxiv.2005.07026,
title = {Subsampled Fourier Ptychography using Pretrained Invertible and Untrained Network Priors},
author = {Fahad Shamshad and Asif Hanif and Ali Ahmed},
journal= {arXiv preprint arXiv:2005.07026},
year = {2020}
}
备注
Part of this work has been accepted in NeurIPS Deep Inverse Workshop, 2019