#729
summarized by : Rei Tamaru
A Bayesian Perspective on the Deep Image Prior

どんな論文か?

畳み込みネットワークの出力をランダムな入力から生成可能にするという、deep image priorの技術が定常なガウス過程に近似することを示し、そこからカーネルを生成。stochastic gradient Langevin dynamicsを用いることで、事後推定を行い、ベイズ的視点で生成が可能であることを示した。
placeholder

新規性

deep image priorにベイズの視点を取り入れることで、事前訓練が必要なく、ランダムにパラメータを初期化可能であるため、1枚の画像から画像のノイズ除去と画像修復ができるようになったことが新規。

結果

画像のノイズ除去と画像修復について定性的評価を行い、SGLD法が優れていることを検証。そして、deep image priorとそのガウス過程の事前推定と事後推定を比較した結果、DIPカーネルを持つGPが最も効率が良いことがわかった。SGLD法により、DIPはよりロバストで効率的になった。

その他(なぜ通ったか?等)

ベイズ推定を手法として使っている論文が少なく、Deep Image Priorに使うということが、新規性が高かった。