一种用于近端去噪器可收敛即插即用算法的松弛近端梯度下降算法
机器学习
2023-04-06 v2 计算机视觉与模式识别
机器学习
图像与视频处理
最优化与控制
摘要
本文提出一种新的可收敛即插即用（PnP）算法。PnP方法是用于求解图像逆问题的有效迭代算法，其形式为数据保真项与正则化项之和的最小化。PnP方法通过将预训练去噪器插入近端算法（如近端梯度下降（PGD））中来实现正则化。为确保PnP格式的收敛性，许多工作研究深度去噪器的特定参数化。然而，现有结果要么需要对去噪器不可验证或次优的假设，要么对逆问题的参数施加限制性条件。观察到这些局限可能源于所采用的近端算法，我们研究了用于最小化凸函数与弱凸函数之和的PGD算法的松弛版本。当与松弛近端去噪器结合时，我们证明所提出的PnP-PGD算法在更宽的正则化参数范围内收敛，从而允许更精确的图像复原。
引用
@article{arxiv.2301.13731,
title = {A relaxed proximal gradient descent algorithm for convergent plug-and-play with proximal denoiser},
author = {Samuel Hurault and Antonin Chambolle and Arthur Leclaire and Nicolas Papadakis},
journal= {arXiv preprint arXiv:2301.13731},
year = {2023}
}