具有理论保证的用于逆问题的自监督深度平衡模型
图像与视频处理
2022-10-11 v1 计算机视觉与模式识别
摘要
深度平衡模型（DEQ）已成为深度展开（DU）用于图像重建的有力替代。DEQ模型——具有有效无限层数的隐式神经网络——被证明可在无DU相关内存复杂度的情况下实现最先进的图像重建。尽管DEQ的性能已被广泛研究，现有工作主要聚焦于有真实数据可用于训练的设置。我们提出自监督深度平衡模型（SelfDEQ），作为首个自监督重建框架，用于从欠采样含噪MRI测量中训练基于模型的隐式网络。我们的理论结果表明，SelfDEQ可补偿多次采集间不平衡采样，并匹配全监督DEQ的性能。我们在体内MRI数据上的数值结果显示，仅使用欠采样含噪训练数据时，SelfDEQ即达到了最先进的性能。
引用
@article{arxiv.2210.03837,
title = {Self-Supervised Deep Equilibrium Models for Inverse Problems with Theoretical Guarantees},
author = {Weijie Gan and Chunwei Ying and Parna Eshraghi and Tongyao Wang and Cihat Eldeniz and Yuyang Hu and Jiaming Liu and Yasheng Chen and Hongyu An and Ulugbek S. Kamilov},
journal= {arXiv preprint arXiv:2210.03837},
year = {2022}
}