一个完全无监督的框架,从噪声和部分测量中学习图像】Robust Equivariant Imaging: a fully unsupervised framework for learning to image from noisy and partial measurements
● 论文摘要:深度网络在从医学成像到计算摄影的多重成像逆问题中提供了最先进的性能。然而,大多数现有的网络都是用干净的信号训练的,这通常很难或不可能获得。等变成像(EI)是一种最新的自我监督学习框架,它利用信号分布中的群体不变性,仅从部分测量数据学习重构函数。虽然EI的结果令人印象深刻,但它的性能随着噪声的增加而下降。在本文中,我们提出了一个鲁棒等变成像(REI)框架,它可以学习图像从噪声部分测量单独。该方法使用Stein’s Unbiased Risk Estimator (SURE)来获得对噪声具有鲁棒性的完全无监督训练损失。我们表明,REI在线性和非线性逆问题上带来了可观的性能增益,从而为深度网络的鲁棒无监督成像铺平了道路。
● 论文链接:https://arxiv.org/abs/2111.12855
● 论文代码:https://github.com/edongdongchen/rei
● 作者单位:爱丁堡大学

成为VIP会员查看完整内容
23

相关内容

CVPR 2022 将于2022年 6 月 21-24 日在美国的新奥尔良举行。CVPR是IEEE Conference on Computer Vision and Pattern Recognition的缩写,即IEEE国际计算机视觉与模式识别会议。该会议是由IEEE举办的计算机视觉和模式识别领域的顶级会议,会议的主要内容是计算机视觉与模式识别技术。

知识荟萃

精品入门和进阶教程、论文和代码整理等

更多

查看相关VIP内容、论文、资讯等
【CVPR2022】UniVIP:自监督视觉预训练的统一框架
专知会员服务
27+阅读 · 2022年3月16日
100+篇《自监督学习(Self-Supervised Learning)》论文最新合集
专知会员服务
163+阅读 · 2020年3月18日
从ICCV 2021看夜间场景自监督深度估计最新进展
PaperWeekly
0+阅读 · 2021年10月14日
Deep Image Prior——图像恢复入门
中国人工智能学会
15+阅读 · 2019年2月16日
深度图像先验:无需学习即可生成新图像
论智
45+阅读 · 2017年12月4日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
Recent advances in deep learning theory
Arxiv
50+阅读 · 2020年12月20日
Arxiv
12+阅读 · 2020年8月3日
VIP会员
相关VIP内容
【CVPR2022】UniVIP:自监督视觉预训练的统一框架
专知会员服务
27+阅读 · 2022年3月16日
100+篇《自监督学习(Self-Supervised Learning)》论文最新合集
专知会员服务
163+阅读 · 2020年3月18日
相关基金
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
微信扫码咨询专知VIP会员