鲁棒等变成像：一个从噪声和部分测量中学习成像的全无监督框架
计算机视觉与模式识别
2022-03-17 v2 图像与视频处理
信号处理
摘要
深度网络在从医学成像到计算摄影的多种成像逆问题中提供了最先进的性能。然而，大多数现有网络是用干净信号训练的，而这些信号通常很难或不可能获得。等变成像（EI）是最近的一个自监督学习框架，它利用信号分布中存在的群不变性，仅从部分测量数据中学习重建函数。虽然 EI 的结果令人印象深刻，但其性能会随着噪声的增加而下降。在本文中，我们提出了一个鲁棒等变成像（REI）框架，该框架能够仅从带噪声的部分测量中学习成像。所提出的方法使用 Stein 无偏风险估计器（SURE）来获得一个对噪声鲁棒的全无监督训练损失。我们展示了 REI 在线性和非线性逆问题上带来了相当大的性能提升，从而为使用深度网络进行鲁棒的无监督成像铺平了道路。代码可在：https://github.com/edongdongchen/REI 获取。
引用
@article{arxiv.2111.12855,
title = {Robust Equivariant Imaging: a fully unsupervised framework for learning to image from noisy and partial measurements},
author = {Dongdong Chen and Julián Tachella and Mike E. Davies},
journal= {arXiv preprint arXiv:2111.12855},
year = {2022}
}
备注
CVPR 2022. Code: https://github.com/edongdongchen/REI