重新审视用于图像恢复的基于滤波器 MRF 的特定损失训练
计算机视觉与模式识别
2014-01-17 v1
摘要
目前众所周知，Markov 随机场 (MRF) 对于建模低级视觉中的图像先验特别有效。近年来出现了学习 MRF 中参数的两种主要方法：(1) 使用基于采样的算法进行概率学习，以及 (2) 基于 MAP 估计的特定损失训练。在调查了现有的训练方法后，发现特定损失训练的性能在现有工作中被显著低估。在本文中，我们重新审视这一方法，并使用双层优化技术来求解它。我们表明，通过使用我们新提出的算法高精度地求解双层框架中的下层问题，可以在最终性能上获得显著提升。因此，我们训练的模型与高度专用的图像去噪算法不相上下，并且明显优于概率训练的 MRF 模型。我们的发现表明，对于特定损失训练方案，以更高精度求解下层问题是有益的。我们训练的模型还带来了一个额外的优势，即推理极其高效。我们基于 GPU 的实现只需不到 1 秒即可产生 state-of-the-art 的性能。
引用
@article{arxiv.1401.4107,
title = {Revisiting loss-specific training of filter-based MRFs for image restoration},
author = {Yunjin Chen and Thomas Pock and René Ranftl and Horst Bischof},
journal= {arXiv preprint arXiv:1401.4107},
year = {2014}
}
备注
10 pages, 2 figures, appear at 35th German Conference, GCPR 2013, Saarbr\"ucken, Germany, September 3-6, 2013. Proceedings