用于插拔式压缩成像的基于评分的涡轮消息传递
计算机视觉与模式识别
2025-12-17 v1
摘要
消息传递算法已适用于压缩成像，通过 incorporating various off-the-shelf 图像去噪器。然而，这些去噪器主要依赖于通用或手工设计的先验条件，往往难以准确捕捉自然图像的复杂统计结构。结果是，传统的插拔式(PnP)方法在高度欠定 regime 中常导致次优重构。最近，基于评分的生成模型已成为准确描述复杂图像分布的强大框架。然而，其直接用于后验抽样通常导致计算复杂度 prohibitive。本文通过利用基于评分的生成建模与经验贝叶斯去噪之间的密切联系，我们构建了一个将基于评分的最小均方误差(MMSE)去噪器集成到压缩图像恢复中的消息传递框架。得到的算法称为基于评分的涡轮消息传递(STMP)，将消息传递的快速收敛与基于评分的生成先验的表达力相结合。对于具有量化测量的实际系统，我们进一步提出了量化 STMP(Q-STMP)，其增强了 STMP 的组件级 MMSE 去量化模块。我们展示了 STMP 和 Q-STMP 的渐近性能可由一组状态演化(SE)方程组准确预测。FFHQ 数据集上的实验表明，STMP 在与竞争基线相比的性能-复杂度权衡方面显著优于，Q-STMP 在 1 位量化下仍保持稳健性。令人惊讶的是，STMP 和 Q-STMP 通常在 10 次迭代内即可收敛。
引用
@article{arxiv.2512.14435,
title = {Score-Based Turbo Message Passing for Plug-and-Play Compressive Imaging},
author = {Chang Cai and Hao Jiang and Xiaojun Yuan and Ying-Jun Angela Zhang},
journal= {arXiv preprint arXiv:2512.14435},
year = {2025}
}