i-DEQ：一种用于图像复原的稳定惯性深度平衡模型
最优化与控制
2026-05-20 v1
摘要
深度平衡模型（DEQ）是一种已建立的图像复原框架，它通过求解一个不动点（即平衡）问题来学习适应问题的正则化。尽管灵活且富有表现力，但 DEQ 常常受到高计算成本和训练不稳定性的阻碍。我们提出了一种惯性 DEQ（i-DEQ），它在 DEQ 公式中学习一个显式的非凸正则化。通过在不点迭代中使用动量，i-DEQ 具有收敛保证和加速速率。此外，我们观察到 i-DEQ 在训练期间显著更稳定，并且对粗糙初始化的鲁棒性优于 DEQ。在各种线性和非线性逆问题上的数值实验表明，i-DEQ 实现了与最先进方法相当的重建质量，同时将 DEQ 的推理时间减少了一半。
引用
@article{arxiv.2605.19705,
title = {i-DEQ: A stable inertial deep equilibrium model for image restoration},
author = {Antonin Clerc and Marien Renaud and Baudouin Denis De Seneville and Nicolas Papadakis},
journal= {arXiv preprint arXiv:2605.19705},
year = {2026}
}
备注
main paper 12 pages, 37 pages with appendix, 3 figures in main, 9 figures in total, 2 tables in main, 5 tables in total, submitted at Neurips 2026