CoIL：用于成像逆问题的基于坐标的内部学习
图像与视频处理
2021-02-11 v1
摘要
我们提出基于坐标的内部学习（CoIL）作为一种用于测量连续表示的新深度学习（DL）方法。与传统 DL 方法学习从测量到所需图像的映射不同，CoIL 训练一个多层感知机（MLP）通过将测量的坐标映射到其响应来编码完整的测量场。CoIL 是一种自监督方法，除测试对象自身的测量外不需要训练样本。一旦 MLP 训练完成，CoIL 可生成新测量，用于大多数图像重建方法中。我们在稀疏视角计算机断层扫描上使用多种广泛使用的重建方法（包括纯基于模型的方法和基于 DL 的方法）验证了 CoIL。我们的结果证明了 CoIL 通过提供高保真测量场能够持续提升所有考虑方法的性能。
引用
@article{arxiv.2102.05181,
title = {CoIL: Coordinate-based Internal Learning for Imaging Inverse Problems},
author = {Yu Sun and Jiaming Liu and Mingyang Xie and Brendt Wohlberg and Ulugbek S. Kamilov},
journal= {arXiv preprint arXiv:2102.05181},
year = {2021}
}