SDIP：用于图像处理的自强化深度图像先验框架
计算机视觉与模式识别
2024-04-19 v1 机器学习
图像与视频处理
摘要
最近研究中提出的深度图像先验（DIP）揭示了卷积神经网络（CNN）捕获大量低级图像统计先验的内在特性。该框架有效解决了图像处理中的逆问题，并在各个领域得到了广泛应用。然而，由于整个算法是随机初始化的，DIP算法通常缺乏稳定性。因此，该方法仍有进一步改进的空间。在本文中，我们提出了自强化深度图像先验（SDIP）作为原始DIP的改进版本。我们观察到，在每次迭代中，DIP网络的输入和输出变化高度相关。SDIP以强化学习的方式有效利用了这一特性，其中当前迭代的输出被引导算法用于更新下一次迭代的网络输入，从而引导算法获得改进的结果。跨多个应用的实验结果表明，我们提出的SDIP框架相比原始DIP方法和其他最先进方法有所改进。
引用
@article{arxiv.2404.12142,
title = {SDIP: Self-Reinforcement Deep Image Prior Framework for Image Processing},
author = {Ziyu Shu and Zhixin Pan},
journal= {arXiv preprint arXiv:2404.12142},
year = {2024}
}