TACSTechnology and Application of Computer Science2998-89262998-8934Art and Technology10.61369/TACS.2025100035Article基于向量量化的深度学习图像重建方法的研究https://artdesignp.com/journal/TACS/2/10/10.61369/TACS.2025100035杜成名,王根,李永春20252102025-05-28图像重建是从退化质量的观测中复原出清晰图像的过程，其本质上是个信息不全的问题。传统深度学习方法有效但往往为了像素精确而损失了纹理细节，所得到的图像是光滑无质感的。向量量化技术为解决此问题带来了新思路，其实质就是把一张图像表示成一系列离散、有代表性的特征符号以便构造一个包含自然图像基本规律的符号库，在这个库指引下做语义推理和细节生成即可完成图像重建工作。本文主要研究该方法背后的理论依据，首先提出向量量化是如何对重建解空间施加强先验知识的，然后分析基于向量量化自编码器的生成式重建模型的原理机制，并讨论在离散符号空间中进行概率建模的优势。向量量化,图像重建,生成先验,离散表征,深度学习 Research

[1] 陈渤. 基于向量量化的深度学习图像重建方法的研究[D]. 电子科技大学,2025.DOI:10.27005/d.cnki.gdzku.2025.005183.[2] 张涛, 王彬沣, 付莹, 等. 基于深度学习的光谱图像超分辨率综述[J]. 中国图象图形学报,2024,29(08):2113-2136.[3] 毕海霞, 况祖正, 李凡, 等. 极化SAR 图像分类深度学习算法综述[J]. 科学通报,2024,69(35):5108-5128.[4] 陈万强, 陆永华, 朱赟, 等. 基于深度学习图像配准的燃调表面缺陷检测算法[J]. 测试技术学报,2024,38(06):586-592.[5] 刘冠, 邵继中, 王宇琪, 等. 风景园林图像与图形在深度学习中的应用分析及未来展望[J]. 南京师大学报( 自然科学版),2024,47(02):44-53.[6] 张天驰, 刘宇轩. 深度学习驱动的水下图像处理研究进展[J]. 计算机科学,2024,51(S1):283-294.[7] 郇祎. 基于深度学习的脊柱多模态医学图像分割与配准方法研究[D]. 苏州大学,2024.DOI:10.27351/d.cnki.gszhu.2024.002629.[8] 陈峰炜. 基于深度学习的CT 图像肝组织区域分割方法研究[D]. 苏州大学,2024.DOI:10.27351/d.cnki.gszhu.2024.001265.[9] 刘乐元, 孙见弛, 高韵琪, 等. 基于深度学习的单图像三维人体重建研究综述[J]. 华中科技大学学报( 自然科学版),2024,52(05):98-122.DOI:10.13245/j.hust.240614.[10] 权静. 深度学习算法在新能源汽车图像识别故障检测方法中的应用[J]. 汽车测试报告,2024,(04):152-154.[11] 赵宇鹏. 深度学习在图像识别中的应用[J]. 信息与电脑( 理论版),2024,36(04):126-128.[12] 潘美莲, 陈洁. 深度学习算法的图像识别技术在电子元件分拣中的应用[J]. 电脑编程技巧与维护,2024,(02):140-142+169.DOI:10.16184/j.cnki.comprg.2024.02.029.[13] 杨米娜. 基于深度学习的图像识别系统研究[J]. 山西电子技术,2024,(01):113-115.[14] 李益. 深度学习在遥感图像分割算法中的应用[J]. 集成电路应用,2024,41(02):324-325.DOI:10.19339/j.issn.1674-2583.2024.02.150.[15] 苏远超, 许若晴, 高连如, 等. 基于深度学习的高光谱遥感图像混合像元分解研究综述[J]. 遥感学报,2024,28(01):1-19.