面向深度展开网络的算子草图化
计算机视觉与模式识别
2022-06-07 v3 机器学习
图像与视频处理
最优化与控制
摘要
在本工作中，我们提出一种利用算子草图化设计高效深度展开网络的新范式。深度展开网络是当前成像逆问题的最先进解法。然而，对于高维成像任务，尤其是三维锥束 X 射线 CT 和四维 MRI 成像，由于需要多次计算高维正演与伴随算子，深度展开方案通常在内存与计算上均变得低效。近来研究者受随机一阶优化成功经验的启发，发现可通过使用算子子集的随机展开部分解决此类局限。在本工作中，我们在随机展开基础上提出进一步加速，利用草图化技术近似高维图像空间中的乘积。算子草图化可与随机展开联合应用以获得最佳的加速与压缩性能。我们在 X 射线 CT 图像重建上的数值实验证明了所提草图化展开方案的显著有效性。
引用
@article{arxiv.2203.11156,
title = {Operator Sketching for Deep Unrolling Networks},
author = {Junqi Tang and Subhadip Mukherjee and Carola-Bibiane Schönlieb},
journal= {arXiv preprint arXiv:2203.11156},
year = {2022}
}