今天我以视觉为例,探讨低维模型和深度模型如何为了一个共同的目的从两个完全对立的方向走到了一起。
从结果来看,压缩感知和深度学习都让我们能在像素级别处理图像的全局信息。而从方法论来看,这二者是互补的。...在视觉方面,有:
从有部分测量缺失的结构化图像中恢复低维结构:低秩纹理修复(Liang, Ren, Zhang, and Ma, in ECCV 2012);不同光线条件下立体结构修复(Wu, Ganesh...从有部分测量损坏的结构化图像中恢复低维结构:从移动摄像机的图像中得到全景(Panorama)(Zhou, Min, and Ma, in 2012)等。...从非线性形变和线性压缩采样中恢复低维结构:从旋转、扭曲过的图片中提取几何形状和纹理(Zhang, Liang, Ganesh, Ma, ACCV'10, IJCV'12.)...如果未来机器学习以效率优先为目标,那么一定会从监督学习到无监督学习,从深的模型到浅的模型,从大的模型到小的模型,从大的数据到小的数据。