DeepMind 发布新论文,「深度压缩感知」
DeepMind 发布新论文,以下为论文概要:压缩感知(CS)框架,用于从压缩测量中恢复稀疏信号。例如,CS 仅通过少量随机测量来开发自然图像和恢复图像的结构,CS 具有灵活性和数据有效性,但其应用受到稀疏性和昂贵的重建过程的强烈假设限制。将 CS 与神经网络生成器结合起来的方法已消除了稀疏性的限制,但重建仍然很慢。在此,我们提出了一种新的框架,通过联合训练生成器和重建自动学习的优化过程,显著提高了信号恢复的性能和速度。我们探索对具有不同目标的测量进行训练,并在最小化测量误差的基础上推导出一系列模型。我们表明,Generative Adversarial Nets(GANs)可以被视为这个模型家族中的一个特例。从 CS 的角度借鉴见解,我们开发了一种使用梯度信息来改进 GAN 的新方法。