Анализ эффективности генеративных состязательных сетей в задаче однопиксельной визуализации

Однопиксельная камера представляет собой перспективный инструмент для получения изображений, выходящий за рамки традиционных устройств на основе пиксельных матриц. В последние годы нейронные сети  стали частью однопиксельной визуализации как численный метод восстановления изображения по измерениям интенсивности. Генеративные состязательные сети (GAN) особенно хорошо подходят для решения этой  задачи. В данной работе мы исследуем производительность генеративной  состязательной сети наименьших квадратов в задаче восстановления изображения с однопиксельной камеры при низкой частоте  дискретизации. Мы демонстрируем, что стабильная успешная реконструкция изображений возможна при частоте дискретизации около 8%, и что реконструированные изображения должны соответствовать структуре изображений, присутствующих в обучающей выборке.