用量子近似优化算法增强卷积自编码器用于图像降噪
量子物理
2025-10-22 v2
摘要
图像去噪对于去除图像采集过程中因电子设备故障或其他因素引起的噪声至关重要。它能确保图像质量的保持和准确解读。许多卷积自编码器算法已被证明在图像去噪中有效。由于其有前景的效率，量子计算机越来越受欢迎。本文提出了一种方法——量子卷积自编码器（QCAE），它通过用基于QAOA拟设电路实现的量子潜空间替换传统卷积自编码器的潜空间来增强后者。为了提高效率，我们利用了量子近似优化算法（QAOA）结合参数平移规则的优势来寻找优化的代价函数，从而促进从数据中有效学习并在实际量子计算机上进行梯度计算。所提出的QCAE方法优于其经典对应方法，因为它表现出更低的训练损失和更高的结构相似性指数（SSIM）值。QCAE在MNIST数据集上的去噪性能也优于其经典对应方法，SSIM值提升高达40%，证实了其在实际应用中的增强能力。对不同电路配置和层变体的QAOA性能评估表明，我们的技术平均优于其他电路设计25%。
引用
@article{arxiv.2401.06367,
title = {Enhancing a Convolutional Autoencoder with a Quantum Approximate Optimization Algorithm for Image Noise Reduction},
author = {Tara Kit and Kimsay Pov and Kimleang Kea and Won-Du Chang and Hee Chul Park and Youngsun Han},
journal= {arXiv preprint arXiv:2401.06367},
year = {2025}
}
备注
23 pages, 12 figures and 1 table