TFPnP：免调参即插即用近端算法及其在逆成像问题中的应用
计算机视觉与模式识别
2021-09-21 v3 图像与视频处理
摘要
即插即用（PnP）是一种非凸优化框架，它将近端算法（例如交替方向乘子法（ADMM））与先进去噪先验相结合。过去几年中，PnP 算法取得了巨大的经验性成功，尤其是那些集成了基于深度学习的去噪器的算法。然而，PnP 方法的一个关键挑战是需要手动调节参数，因为要在成像条件高度差异和场景内容多变的情况下获得高质量结果，参数调节至关重要。在本工作中，我们提出一类免调参的 PnP 近端算法，可自动确定去噪强度、终止时间及其他优化相关参数。我们方法的核心是一个用于自动参数搜索的策略网络，可通过无模型与基于模型的深度强化学习策略混合有效地学习。我们通过严格的数值与视觉实验证明，学到的策略能为不同设置定制参数，且通常比现有人工设计准则更高效、更有效。此外，我们讨论了 PnP 去噪器的若干实际考量，这些考量与我们学到的策略共同产生了最先进的结果。这一先进性能在线性与非线性代表性逆成像问题上均普遍存在，尤其在压缩感知 MRI、稀疏视角 CT、单光子成像与相位恢复上展现出有前景的结果。
引用
@article{arxiv.2012.05703,
title = {TFPnP: Tuning-free Plug-and-Play Proximal Algorithm with Applications to Inverse Imaging Problems},
author = {Kaixuan Wei and Angelica Aviles-Rivero and Jingwei Liang and Ying Fu and Hua Huang and Carola-Bibiane Schönlieb},
journal= {arXiv preprint arXiv:2012.05703},
year = {2021}
}
备注
The Journal version (47 pages) of arXiv:2002.09611 (ICML'20 Award Paper); Code is released at https://github.com/Vandermode/TFPnP