用数据驱动的先验在逆问题中识别幻觉
摘要：解决深度神经网络中的逆问题必然导致幻觉的产生。最近生成模型的表达能力是它们能够产生远优于传统正则化器的结果的原因；它们也可能导致看起来逼真但不正确的特征，可能削弱对重建的重要方面的信任。我们提出了一种实用且计算高效的方法来确定数据驱动先验逆问题解的哪些区域容易产生幻觉。通过分别计算似然函数和数据驱动先验的费舍尔信息矩阵的对角元素，我们可以标记信息被先验主导的区域。我们的诊断方法可以直接与重建解进行比较，并使用户决定这些区域的测量结果是否对其应用稳健。我们的方法与参数数量呈线性关系，因此适用于高维设置，可以广泛应用于未来广覆盖面巨量数据调查的大容量数据产品。
作者：Matt L. Sampson, Peter Melchior
论文ID：2306.13272
分类：Instrumentation and Methods for Astrophysics
分类简称：astro-ph.IM
提交时间：2023-06-26