面向分析深度图像先验的快速不完全双层优化
最优化与控制
2025-05-20 v2 数值分析
图像与视频处理
数值分析
摘要
Dittmer 等人 (2020) 引入的分析深度图像先验 (analytical deep image prior, ADP) 通过双层优化建立了深度图像先验与经典正则化理论之间的联系。尽管这种构建优雅，但如果要准确求解下层问题，涉及高昂的计算。为克服此问题，我们提出使用自适应不完全双层优化来求解 ADP 问题。我们讨论了将最近由 Salehi 等人 (2024) 所述的一种称为自适应不完全下山法 (method of adaptive inexact descent) 的方法扩展到 ADP 框架所需的无限维设置。在数值实验中，我们展示了自适应不完全双层优化实现的计算加速，使得在比以前文献更大规模的问题上使用 ADP 成为可能，例如 2D 彩色图像去模糊。
引用
@article{arxiv.2502.09758,
title = {Fast Inexact Bilevel Optimization for Analytical Deep Image Priors},
author = {Mohammad Sadegh Salehi and Tatiana A. Bubba and Yury Korolev},
journal= {arXiv preprint arXiv:2502.09758},
year = {2025}
}
备注
12 pages, 7 figures. Accepted to the 10th International Conference on Scale Space and Variational Methods in Computer Vision (SSVM 2025)