【资源记录】Invertible Neural Networks 可逆神经网络是什么，与VAE，GAN的关系；什么是Bits per pixel，Bits per dim

最新推荐文章于 2024-06-23 00:12:06 发布
最新推荐文章于 2024-06-23 00:12:06 发布
阅读量4.5k 收藏 32
点赞数 8
分类专栏： 资源记录
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/fanyue1997/article/details/109703025
版权

INN

两个很好的讲解视频：

https://www.youtube.com/watch?v=WqP45Iyvd3o 这里的讲者是Analyzing Inverse Problems with Invertible Neural Networks的作者。这文章很适合入门了解INN的概念。

https://www.youtube.com/watch?v=IpbeIwSr7r0 这个是比较综述的，涉及很多文章的内容。其中，我觉得比较值得细看的是 NICE: NON-LINEAR INDEPENDENT COMPONENTS ESTIMATION，DENSITY ESTIMATION USING REAL NVP。

 

BPP

另外，在NICE文章中，我看的时候并不知道bits per pixel（bpp）是什么。一查才知道这是评价generative model很重要的指标。详细描述在这篇文章的3.1: A NOTE ON THE EVALUATION OF GENERATIVE MODELS https://arxiv.or

最低0.47元/天 解锁文章
UeFan
关注
专栏目录
循环生成对抗网络（CycleGAN）
gongdiwudu的专栏
12-31 5906
循环生成对抗网络（CycleGAN）是一种训练深度卷积神经网络以执行图像到图像翻译任务的方法。网络使用不成对的数据集学习输入和输出图像之间的映射。
可逆神经网络顶级会议论文汇总（2019-2021）
u014546828的博客
10-28 2547
2019 iccv Hiding Video in Audio via Reversible Generative Models Hyukryul Yang, Hao Ouyang, Vladlen Koltun, Qifeng Chen [pdf] [bibtex] Back 2021 cvpr ArtFlow: Unbiased Image Style Transfer via Reversible Neural Flows Jie An, Siyu Huang, ...
net2net:使用条件可逆神经网络进行网络到网络的转换
05-14
网2网 NeurIPS 2020口头报告随附的代码 *，*，*平等贡献 tl; dr我们的方法提取了一个模型相对于另一个模型的残差信息，从而可以在固定的现成专家模型（例如BERT和BigGAN）之间进行转换，而无需修改或微调它们。 | | 2020年12月19日新闻：添加了SBERT到BigGAN，SBERT到BigBiGAN和SBERT到AE（COCO） 要求 合适的指定的环境net2net可以创建和激活： conda env create -f environment.yaml conda activate net2net 数据集 CelebA ：创建一个符号链接“ data / CelebA”，指向包含以下文件的文件夹： . ├── identity_CelebA.txt ├── img_align_celeba ├── list_attr_celeba.txt └──
可逆神经网络 Invertible neural networks
aixiaomi123的博客
03-06 1693
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。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、和视频超分辨率等等。
可逆神经网络（Invertible Neural Networks）详细解析：让神经网络更加轻量化
Paper weekly
04-05 6151
©作者 |初识CV单位 |海康威视研究方向 |计算机视觉前言本文以可逆残差网络（The Reversible Residual Network: Backpropagation Without Storing Activations）作为基础进行分析。为什么要用可逆网络呢？因为编码和解码使用相同的参数，所以 model 是轻量级的。可逆的降噪网络 InvDN 只有 ...
可逆神经网络的研究及其在图像中应用
qq_44111805的博客
03-11 6581
可逆神经网络(INN)自被提出以来，就受到了广泛关注。由于其双射构造和高效可逆性，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。本文针对最新关于INN在图像方面应用的文献进行介绍，包括每篇文献的基本原理和个人理解。最后对所介绍的文献进行总结，指出各自的优缺点并对未来INN在图像方面应用展开思考。
基于可逆神经网络的图像隐藏技术 (ICCV 2021) - HiNet: Deep Image Hiding by Invertible Network
10-24 494
在 [5] 中，通过对秘密图像像素的排列来提高隐藏的安全性。然而，所有这些方法都采用了两个子网络来进行图像隐藏：隐藏网络将秘密图像 隐藏成覆盖图像来生成一个隐写图像 和揭示网络恢复从 恢复秘密图像，如图 1(a) 所示，隐藏和揭示网络有两种参数，这是通过简单连接实现。为了验证方法的有效性，将其与几种最先进的 (SOTA) 图像隐藏方法进行了比较，包括一种传统的图像隐藏方法 4bit-LSB，以及三种基于深度学习的方法：HiDDeN[41]、Weng et al. [32] 和Baluja[5]。
invertible-resnet:可逆残差网络的官方代码
05-12
可逆残差网络 i-ResNets的Pytorch正式实施。 i-ResNets定义了一系列完全可逆的深层网络，它是通过限制标准残差网络块的Lipschitz常数而构建的。 参考：Jens Behrmann *，Will Grathwohl *，Ricky TQ Chen，David ...
多图像信息隐藏pdf-DeepMIH: Deep Invertible Network for Multiple Image
08-08
DeepMIH的核心是可逆隐藏神经网络（IHNN），这是一个创新的设计，它将图像的隐藏和揭示过程建模为前向和后向过程，这两个过程是完全耦合且可逆的。这意味着可以隐藏和恢复图像而不牺牲原始图像的质量。IHNN的灵活性...
cINNamon:可逆神经网络的引力波参数估计
05-17
肉桂 可逆神经网络的引力波参数估计
线性代数导引：可逆线性算子
程序员光剑
06-23 920
线性代数导引：可逆线性算子 1.背景介绍 线性代数是现代数学和计算机科学的基石之一，其应用范围广泛，从图像处理到机器学习，再到量子计算。在线性代数中，可逆线性算子（Invertible Linear Operators）是一个重要的概念。它不仅在理论上具有深远的意义，而且在实际应用中也扮演着关键角
【互信息驱动：可逆神经网络】
weixin_43690932的博客
12-26 2050
仅供自己参考
【基于Transformer和可逆神经网络】
weixin_43690932的博客
12-22 3193
仅供自己参考
论文笔记：CVPR2021 Neural Parts: Learning Expressive 3D Shape Abstractions with Invertible Neural Network
Blair_2的博客
10-19 455
Motivation： recovering the geometry of a 3D shape from a single RGB image 常用的primitive-based representations 寻求推断在不同对象实例之间推断语义一致的part排列，并提供更具解释性的替代方法，而非仅注意提取全局物体。 现存的一些方法由于其简单的参数化，这些原语的表达能力有限无法捕捉复杂的几何图形。因此，现有的基于零件的方法需要大量的原语来提取几何上精确的重构。然而，使用更多的原语是以牺牲重建的可
探索神秘的可逆神经网络：InvertibleNetworks.jl
gitblog_00020的博客
06-13 377
探索神秘的可逆神经网络：InvertibleNetworks.jl InvertibleNetworks.jl A Julia framework for invertible neural networks 项目地址: https://gitcode.com/g...
A Framework : Invertible Optimization for Neural Network Training
foreachself的博客
01-09 157
meta learning workflow 现工作（无修改的） 改动
写一段基于pytorch的可逆神经网络用来进行点云的特征提取和坐标回归代码
最新发布
09-14
基于PyTorch的可逆神经网络（Invertible Neural Network, INN）是一种设计成可以精确地逆向其操作的网络。这意味着对于每个输出，网络都能够推断出一个唯一的输入。在点云特征提取和坐标回归的任务中，使用INN可以有...
评论 4
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值