通过去噪器缩放提升即插即用先验的性能
图像与视频处理
2020-02-27 v1
摘要
即插即用先验（PnP）是一种使用图像去噪器作为成像先验的图像重建框架。与传统的正则化反演不同，PnP 不要求先验可表示为正则化函数的形式。这种灵活性使 PnP 算法能够利用最有效的图像去噪器，从而在各种成像任务中取得最先进的性能。在本文中，我们提出一种新的去噪器缩放技术以显式控制 PnP 正则化的量。传统上，PnP 算法的性能通过去噪器与噪声方差相关的内在参数控制。然而，许多强大的去噪器，例如基于卷积神经网络（CNN）的去噪器，没有可调节参数以控制其在 PnP 中的影响。为解决此问题，我们引入一个缩放参数来调整去噪器输入与输出的幅值。我们从邻近优化、统计估计和共识平衡的角度理论上论证了去噪器缩放的合理性。最后，我们给出数值实验，证明去噪器缩放能系统性提升 PnP 对于无显式可调节参数的 CNN 去噪器先验的性能。
引用
@article{arxiv.2002.11546,
title = {Boosting the Performance of Plug-and-Play Priors via Denoiser Scaling},
author = {Xiaojian Xu and Jiaming Liu and Yu Sun and Brendt Wohlberg and Ulugbek S. Kamilov},
journal= {arXiv preprint arXiv:2002.11546},
year = {2020}
}