通过该NAS网络,可以一揽子解决图像去噪、去雾、超分辨率、Inpainting等图像复原问题!代码刚刚开源!
NAS-DIP: Learning Deep Image Prior with Neural Architecture Search
作者单位:弗吉尼亚理工大学
主页: https:// yunchunchen.github.io/N AS-DIP/
代码:YunChunChen/NAS-DIP-pytorch
论文:NAS-DIP: Learning Deep Image Prior with Neural Architecture Search
注:如果上述论文链接无法访问,可以看文末,论文已上传至百度云,方便下载。
最近的工作表明,深度卷积神经网络的结构可以在解决各种逆向图像恢复任务。我们提出不使用手工设计的架构,而是搜索能够捕获更强先验图像的神经架构。基于通用的U-Net架构,我们的核心贡献在于为:
(1)上采样单元
(2)跨尺度残差连接模式设计新的搜索空间。
我们利用现有的神经结构搜索算法(使用带有递归神经网络控制器的强化学习)来搜索改进的网络。