计算成像中融合物理与学习模型的即插即用方法
图像与视频处理
2023-01-18 v3
摘要
即插即用先验（PnP）是通过融合物理模型与学习模型来解决计算成像问题的最广泛使用框架之一。PnP 利用高保真物理传感器模型与强大的机器学习方法进行数据先验建模，从而提供最先进的重建算法。PnP 算法在最小化数据保真项以促进数据一致性和以图像去噪器形式施加学习正则化之间交替进行。近期取得高度成功的 PnP 算法应用包括生物显微镜、计算机断层扫描、磁共振成像以及联合 ptycho-tomography。本文通过追溯根源、描述主要变体、总结主要结果并讨论在计算成像中的应用，对 PnP 进行了统一且原理性的综述。我们还通过讨论近期关于表述 PnP 算法相关问题的平衡方程的结果，指出了进一步发展的方向。
引用
@article{arxiv.2203.17061,
title = {Plug-and-Play Methods for Integrating Physical and Learned Models in Computational Imaging},
author = {Ulugbek S. Kamilov and Charles A. Bouman and Gregery T. Buzzard and Brendt Wohlberg},
journal= {arXiv preprint arXiv:2203.17061},
year = {2023}
}