快速等距成像：通过增广拉格ragian法与辅助 PnP 去噪器加速无监督学习
图像与视频处理
2026-03-05 v4 计算机视觉与模式识别
机器学习
最优化与控制
摘要
本文提出 Fast Equivariant Imaging (FEI)，一种 novel 的无监督学习框架，用于快速高效地训练深度成像网络而无需真实数据。从将等距成像基于优化问题通过拉格朗日乘子方法重构，并利用插拨式去噪器的视角来看，这种 novel 的无监督方案相较于原始等距成像范式在效率和性能上均表现出优势。特别是，我们的 FEI 在用于 X 射线 CT 重建和图像填充训练 U-Net 时，实现了标准 EI 的数量级 (10 倍) 加速，并在泛化性能方面取得改进。此外，所提出的方案使能够高效地针对单个样本进行预训练模型的测试时适应，从而实现进一步的性能提升。大量实验表明，所提出的方法在现有无监督方法和模型适应技术方面实现了显著的效率和性能提升。
引用
@article{arxiv.2507.06764,
title = {Fast Equivariant Imaging: Acceleration for Unsupervised Learning via Augmented Lagrangian and Auxiliary PnP Denoisers},
author = {Guixian Xu and Jinglai Li and Junqi Tang},
journal= {arXiv preprint arXiv:2507.06764},
year = {2026}
}
备注
31 pages