DeepMind论文:深度压缩感知,新框架提升GAN性能(附链接)

初商 2019-08-25

数据派

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

登录 后评论
下一篇
云栖号资讯小编
866人浏览
2020-04-07
相关推荐
深度学习进化编年大事记
1089人浏览
2018-01-16 14:49:00
0
0
0
734