IJCV 2024 | 神来之笔！清北、哈工大联合提出无需GT的自监督图像重建网络学习方法，代码已开源！

文章预览

一、论文信息 论文标题： Self-Supervised Scalable Deep Compressed Sensing（自监督可变采样率的深度压缩感知） 论文作者： Bin Chen（陈斌）, Xuanyu Zhang（张轩宇）, Shuai Liu（刘帅）, Yongbing Zhang†（张永兵）, and Jian Zhang†（张健）（†通讯作者） 作者单位： 北京大学深圳研究生院、清华大学深圳国际研究生院、哈尔滨工业大学（深圳） 发表刊物： International Journal of Computer Vision (IJCV) 发表时间： 2024年8月13日 正式版本： https://link.springer.com/article/10.1007/s11263-024-02209-1 ArXiv版本： https://arxiv.org/abs/2308.13777 开源代码： https://github.com/Guaishou74851/SCNet 二、任务背景 作为一种典型的图像降采样技术，自然图像压缩感知（Compressed Sensing，CS）的数学模型可以表示为 ，其中 是原始图像真值（Ground Truth，GT）， 是采样矩阵， 是观测值， 是噪声。定义压缩采样率为 。 图像CS ………………………………