Unüberwachtes bilevel-Lernen von Regularisierungsparametern in der Bildverarbeitung

Die Arbeit präsentiert einen unüberwachten Ansatz zur Schätzung optimaler Regularisierungsparameter in bildverarbeitenden inversen Problemen mithilfe eines Bilevel-Optimierungsverfahrens, das die Weißheit des Residuums zwischen Beobachtungen und Beobachtungsmodell maximiert.