面向影像逆问题的随机深度恢复先验
图像与视频处理
2024-10-04 v1
摘要
深度神经网络作为图像去噪器广泛用于解决影像逆问题。虽然认为高斯去噪器足以学习图像先验，但我们展示更通用的恢复算子预训练的模型可取得更好效果。我们引入随机深度恢复先验(ShaRP)，一种新方法，利用此类恢复模型的集成来正则化逆问题。ShaRP 在处理结构化伪影和即使无需完全采样数据的情况下实现自监督训练方面优于使用高斯去噪器先验的方法。我们证明了 ShaRP 最小化包含由最小均方误差(MMSE)恢复算子得分函数派生的正则化器的目标函数，并对其收敛性进行了理论分析。经验地，ShaRP 在磁性共振成像重建和单图像超分辨率等任务上实现了最先进的性能，无需重新训练即可超越去噪器和扩散模型方法。
引用
@article{arxiv.2410.02057,
title = {Stochastic Deep Restoration Priors for Imaging Inverse Problems},
author = {Yuyang Hu and Albert Peng and Weijie Gan and Peyman Milanfar and Mauricio Delbracio and Ulugbek S. Kamilov},
journal= {arXiv preprint arXiv:2410.02057},
year = {2024}
}