可逆神经网络(Invertible Neural Networks,INVNs)是一种特殊类型的神经网络结构,其主要特点是可以实现输入到输出的双向映射,并且具有可逆性质。在可逆神经网络中,每个输入都可以唯一对应一个输出,同时每个输出也可以唯一对应一个输入,这种性质使得网络的反向传播和梯度计算更加高效和可靠。
可逆神经网络通常应用于需要保留原始数据信息并支持逆操作的任务,比如生成对抗网络(GANs)、变分自动编码器(VAEs)等。由于可逆神经网络可以实现输入到输出的双向映射,因此在这些任务中能够更好地实现数据的重构、还原和保持信息的完整性。
INN被用于各种推理任务,如图像隐藏、图像重缩放、图像着色、图像压缩和视频超分辨率等等。