DeepMind论文:深度压缩感知,新框架提升GAN性能(附链接)

  1. 云栖社区>
  2. 数据派THU>
  3. 博客>
  4. 正文

DeepMind论文:深度压缩感知,新框架提升GAN性能(附链接)

初商南 2019-08-25 22:36:50 浏览277
展开阅读全文

来源:新智元

文章来源:微信公众号 数据派THU

本文共2200字,建议阅读9分钟。


本文介绍一种将压缩感知和GAN联系起来的创新框架。

image.png

[ 导读 ] DeepMind提出一种全新的“深度压缩感知”框架,将压缩感知与深度学习相结合,显著提高了信号恢复的性能和速度,并提出一种改进GAN的新方法。

压缩感知(CS)是一种优雅的框架,用于从压缩信号中恢复稀疏信号。

例如,CS可以利用自然图像的结构,仅从少量的随机测量中恢复图像。

CS具有灵活性和数据效率高的优点,但由于其稀疏性和昂贵的重建过程,CS的应用受到限制。

那么,将CS与深度学习的思想相结合,是否能得到更优雅的框架呢?

近日,DeepMind的Yan Wu,Mihaela Rosca,Timothy Lillicrap等研究人员在ICML 2019发表论文Deep Compressed Sens

网友评论

登录后评论
0/500
评论
初商南
+ 关注
所属云栖号: 数据派THU