高端智能装备、新一代信息技术、新能源、新材料、新制造、新零售、新技术、生物制药等新的产业集群正在迸发活力;创新驱动、科技支大多数人都曾因不佳的交通状况而迟过到、叫过苦。经济的快速发展带动的是社会各方面的全面提升，但在此过程中，交通的发展却没跟得上前进的步幅，各类交通难题让交管部门伤透脑筋，如何利用AI来解决相关难题已成当务之急。撑、知识产权转化、技术转移等新的动能正在超越旧的动力，新经济成为支撑经济发展的重要力量。

这里是，雷锋字幕组编译的Two minutes paper专栏，每周带大家用碎片工夫阅览前沿技术，理解AI范畴的最新研讨效果。

原标题 Deep Image Prior

翻译 | 宥佑   校正 | 凡江    整理 | 凡江

rame width="640" height="498" frameborder="0" src="https://v.qq.com/iframe/player.html?vid=e05483i36hp&tiny=0&auto=0" allowfullscreen="">rame>

▷每周一篇2分钟论文视频解读

本期引见的论文是《Deep Image Prior》（深度卷积网络后天就了解自然图像），它用一个卷积神经网络来执行图像恢复义务，发现这个网络会自动先学会如何重建图像。这项义务次要用于以下四种场景：

• 第一，图像恢复。在JPEG手动删除的状况下，我们输出的是某个图像，其中有许多块状的工件，在紧缩时期详细化，而输入是这个映像的恢复版本。

• 第二，图像修补。在某些区域的输出图像缺失，能够会被有用的或看似有用的信息填充。

• 第三，超分辨率。我们输出图像是完好的，但是十分粗糙，分辨率也很低，输入应该是一个更详细、更高分辨率的图像。这是CSITV中典型的强化场景。普通很难，由于有少量能够的高分辨率图像处理方案，可以作为输入。

• 第四，图像去噪。这样做的规范办法是：我们在一个大型的图像数据库中训练这样一个网络，这样他们就可以学习许多对象类的概念。比方人、植物等等，还有用来结构这些图像的典型特征和图形。这些网络对这些图像有一定的了解，因而，可以比大少数手工算法更好地执行这些操作。

论文旧址 https://dmitryulyanov.github.io/deep_image_prior

---

更多文章，关注雷锋网 雷锋网雷锋网 (大众号：雷锋网)

添加雷锋字幕组微信号（leiphonefansub）为好友

备注「我要参加」，To be a  AI  Volunteer ！

。