顶刊IJCV2024 | 北大、哈工大、清华联合提出无需GT的自监督图像重建网络学习方法，代码已开源！

主要观点总结

该文章介绍了一篇关于自监督可变采样率的深度压缩感知的论文，该论文来自北京大学深圳研究生院、清华大学深圳国际研究生院以及哈尔滨工业大学（深圳）的研究人员。文章主要介绍了论文的任务背景、主要贡献、实验结果以及实验室简介等相关内容。

关键观点总结

关键观点1: 论文信息

文章介绍了论文标题、论文作者、作者单位、发表刊物、发表时间以及正式版本和ArXiv版本链接等详细信息。

关键观点2: 任务背景

文章阐述了图像压缩感知（CS）的数学模型及在自然图像重建中的应用背景。介绍了当前方法在有监督学习中面临的问题，特别是在获得高质量真值（GT）数据的高成本方面。

关键观点3: 主要贡献

文章提出了两项主要技术创新：一种无需GT的自监督图像重建网络学习方法，以及一个基于协同表示的图像重建网络。同时，文章还解释了这些创新方法的工作原理和优势。

关键观点4: 实验结果

文章展示了新方法在多个测试集、数据类型和任务上的优秀重建效果，并强调了其对未见过的采样矩阵和采样率的出色泛化能力。

关键观点5: 实验室简介

文章最后介绍了视觉信息智能学习实验室（VILLA）及其在计算成像与底层视觉领域的研究成果，并提供了实验室和论文作者的网站链接。

文章预览

作者 | 陈斌  编辑 | 我爱计算机视觉 点击下方 卡片 ，关注“ 3D视觉之心 ”公众号 第一时间获取 3D视觉干货 >> 点击进入→ 3D视觉之心技术交流群 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（Compre ………………………………