在本文中，我们调查了解决逆问题的各种深入学习策略。我们将现有的深度学习解决方案分为逆问题，分为三类直接映射，数据一致性优化优化器和深规范化器。我们选择每个逆问题类型的样本，以比较三类的稳健性，并报告对其差异的统计分析。我们对计算机视觉中的线性回归和三个众所周知的逆问题进行了广泛的实验，即图像去噪，3D人脸反向渲染和对象跟踪，选择为每种逆问题的代表原型。整体结果和统计分析表明，解决方案类别具有依赖于逆问题域的类型的稳健性行为，具体取决于问题是否包括测量异常值。基于我们的实验结果，我们通过为每个反问题类提出最强大的解决方案类别来得出结论。
translated by 谷歌翻译