DeepRED：由 RED 赋能的 Deep Image Prior
计算机视觉与模式识别
2019-10-25 v3 图像与视频处理
摘要
成像中的逆问题被广泛研究，多年来积累了多种策略、工具与理论。近来，该领域深受深度学习技术兴起的影响。其中一项贡献（本文重点）是 Ulyanov、Vedaldi 与 Lempitsky (2018) 的 Deep Image Prior (DIP) 工作。DIP 提供了一种针对逆问题正则化的新方法，通过迫使恢复图像由给定深度架构合成得到。尽管 DIP 已被证明是一种颇为有效的无监督方法，但其结果相较于最先进替代方案仍显不足。本工作中，我们旨在通过添加显式先验来提升 DIP，以丰富整体正则化效果从而获得更好恢复的图像。更具体地，我们提出引入 Regularization by Denoising (RED) 的概念，其利用现有去噪器对逆问题进行正则化。我们的工作展示了二者（DIP 与 RED）如何融合为高度有效的无监督恢复流程，同时避免对所选去噪器求导的需求，并取得非常有效的效果，在数个测试问题中得到验证。
引用
@article{arxiv.1903.10176,
title = {DeepRED: Deep Image Prior Powered by RED},
author = {Gary Mataev and Michael Elad and Peyman Milanfar},
journal= {arXiv preprint arXiv:1903.10176},
year = {2019}
}