深度生成模型何时以及如何可被反演？
机器学习
2020-06-30 v1 计算机视觉与模式识别
机器学习
摘要
深度生成模型（如 GAN 与 VAE）近年来已得到广泛发展。近来，对此类模型反演的兴趣日益增长，即给定（可能受损的）信号，我们希望恢复生成它的潜向量。基于稀疏表示理论，我们定义了适用于任意反演算法（梯度下降、深度编码器等）的条件，在此条件下此类生成模型可反演且具有唯一解。重要的是，所提分析适用于任意训练好的模型，且不依赖于高斯独立同分布权重。此外，我们针对任意深度的训练生成网络引入了两种逐层反演追踪算法，并附带恢复保证。最后，我们从数值上验证了理论结果，并表明在反演此类生成器时，无论对干净还是受损信号，我们的方法均优于梯度下降。
引用
@article{arxiv.2006.15555,
title = {When and How Can Deep Generative Models be Inverted?},
author = {Aviad Aberdam and Dror Simon and Michael Elad},
journal= {arXiv preprint arXiv:2006.15555},
year = {2020}
}