Bregman 即插即用先验
图像与视频处理
2022-02-08 v1 机器学习
摘要
过去几年中，将深度学习网络与优化算法相集成以解决逆问题的活动激增。近期关于即插即用先验（PnP）、基于去噪的正则化（RED）和深度展开的工作已在多种应用中展示了此类集成的最先进性能。然而，由于投影和近端算子中使用了二次范数，当前设计此类算法的范式本质上是欧几里得的。我们提出通过基于更一般的 Bregman 距离的非欧几里得设定来拓宽这一视角。我们提出的 PnP 的 Bregman 近端梯度法变体（PnP-BPGM）和 RED 的 Bregman 最速下降变体（RED-BSD）将 PnP 和 RED 中的传统更新从二次范数替换为更一般的 Bregman 距离。我们给出了 PnP-BPGM 的理论收敛结果，并展示了我们的算法在泊松线性逆问题上的有效性。
引用
@article{arxiv.2202.02388,
title = {Bregman Plug-and-Play Priors},
author = {Abdullah H. Al-Shabili and Xiaojian Xu and Ivan Selesnick and Ulugbek S. Kamilov},
journal= {arXiv preprint arXiv:2202.02388},
year = {2022}
}