量子图像去噪：基于玻尔兹曼机、QUBO 与量子退火的框架
量子物理
2023-08-21 v3 无序系统与神经网络
计算机视觉与模式识别
图像与视频处理
机器学习
摘要
我们研究了一种通过受限玻尔兹曼机（RBMs）实现二值图像去噪的框架，该框架以二次无约束二值优化（QUBO）形式引入去噪目标，并且非常适用于量子退火。去噪目标通过平衡经训练的 RBM 所学分布与针对偏离噪声图像的惩罚项来实现。我们假设目标分布已被良好近似，推导出了惩罚参数的统计最优选择，并进一步提出一种经验支持的修正，使该方法对理想化假设具有鲁棒性。我们还在附加假设下证明，由本方法得到的去噪图像在期望上严格比噪声图像更接近无噪声图像。虽然我们将该模型构建为图像去噪模型，但它可应用于任何二值数据。由于 QUBO 公式非常适合在量子退火机上实现，我们在 D-Wave Advantage 机器上测试了该模型，并通过经典启发式方法近似 QUBO 解，对超出当前量子退火机处理能力的大规模数据也进行了测试。
引用
@article{arxiv.2307.06542,
title = {Quantum Image Denoising: A Framework via Boltzmann Machines, QUBO, and Quantum Annealing},
author = {Phillip Kerger and Ryoji Miyazaki},
journal= {arXiv preprint arXiv:2307.06542},
year = {2023}
}
备注
13 pages, 6 figures