PnP-ADMM 中的先验失配与自适应及非凸收敛分析
计算机视觉与模式识别
2023-10-03 v1
摘要
即插即用（PnP）先验是一类广泛使用的方法，通过将物理测量模型与使用图像去噪器指定的图像先验相结合来解决成像逆问题。当先验使用强大的深度去噪器获得时，PnP 方法已被证明能达到最先进的性能。尽管对 PnP 有广泛研究，训练与测试数据之间分布失配的问题在 PnP 文献中常被忽视。本文针对 PnP 的交替方向乘子法（ADMM）变体，给出了一组关于先验分布失配与域适应的新理论和数值结果。我们的理论结果给出了由于期望去噪器与用于推理的去噪器之间失配而导致的 PnP-ADMM 的显式误差界。我们的分析通过考虑非凸数据保真项与扩张型去噪器下的失配，对该领域的工作做出了贡献。我们的第一组数值结果量化了先验分布失配对图像超分辨率问题中 PnP-ADMM 性能的影响。我们的第二组数值结果考虑了一种简单而有效的域适应策略，可弥合因使用失配去噪器导致的性能差距。我们的结果表明 PnP-ADMM 对先验分布失配具有相对鲁棒性，同时也显示通过来自期望分布的少量训练样本可显著缩小性能差距。
引用
@article{arxiv.2310.00133,
title = {Prior Mismatch and Adaptation in PnP-ADMM with a Nonconvex Convergence Analysis},
author = {Shirin Shoushtari and Jiaming Liu and Edward P. Chandler and M. Salman Asif and Ulugbek S. Kamilov},
journal= {arXiv preprint arXiv:2310.00133},
year = {2023}
}