即插即用方法在恰当训练的去噪器下可证明收敛
计算机视觉与模式识别
2019-05-15 v1 图像与视频处理
摘要
即插即用（PnP）是一种非凸框架，将 BM3D 或基于深度学习的去噪器等现代去噪先验集成到 ADMM 或其他近端算法中。PnP 的一个优势是，当没有足够数据进行端到端训练时，可以使用预训练的去噪器。尽管 PnP 近期被广泛研究并取得巨大经验成功，但针对甚至最基本的收敛问题的理论分析仍不充分。在本文中，我们在去噪器满足某一 Lipschitz 条件下，理论上建立了 PnP-FBS 和 PnP-ADMM 的收敛性，且不使用递减步长。然后我们提出实谱归一化，一种训练基于深度学习的去噪器以满足所提 Lipschitz 条件的方法。最后，我们给出验证该理论的实验结果。
引用
@article{arxiv.1905.05406,
title = {Plug-and-Play Methods Provably Converge with Properly Trained Denoisers},
author = {Ernest K. Ryu and Jialin Liu and Sicheng Wang and Xiaohan Chen and Zhangyang Wang and Wotao Yin},
journal= {arXiv preprint arXiv:1905.05406},
year = {2019}
}
备注
Published in the International Conference on Machine Learning, 2019