该研究使用CLEAR模型进行对抗训练，实现了对真实数据流形的全面拟合，并将其用作凸性正则化器，为真实数据流形上的成像逆问题提供指导。实验证明该模型具有鲁棒性，在测量干扰存在的情况下仍能实现稳定的重建。

可证收敛的数据驱动凸非凸正则化
BriefGPT - AI 论文速递
BriefGPT - AI 论文速递 ·
👤 个人中心
在公众号发送验证码完成验证