Konsep Inti
逐次的に前処理された誘導を用いることで、観測ノイズに対してより頑健な画像修復を実現する。
Abstrak
本論文では、画像修復問題に対して、逐次的に前処理された誘導を用いる新しい手法を提案している。
従来の手法では、バックプロジェクション(BP)に基づく誘導や最小二乗(LS)に基づく誘導が用いられていたが、それぞれに長所短所があった。
提案手法では、BPに基づく誘導からLSに基づく誘導へと徐々に移行する前処理を行うことで、観測ノイズに対してより頑健な修復を実現している。
具体的には、前処理行列Wtを逐次的に更新し、BPに近い初期の段階では観測との整合性を重視し、LSに近づくにつれてノイズに対する頑健性を高めるという戦略をとっている。
この前処理行列の更新ルールは単純かつ効率的に実装できる。
提案手法は、最適化ベースの手法(IDPG)とサンプリングベースの手法(DDPG)の2つのバージョンを持っている。
DDPG はパーセプチュアル品質に優れ、同時に高いPSNRも達成できることを示している。
また、提案手法は、従来手法と比べて、様々な観測モデルに柔軟に対応でき、かつ高速に動作することが特徴である。
Statistik
観測モデルyはAx*+eで表される。ここで、Aは観測演算子、e~N(0,σe^2Im)はガウシアンノイズ。
提案手法のコア部分であるIDPGは、BPに基づく誘導とLSに基づく誘導を組み合わせた手法である。
DDPGはIDPGをサンプリングベースの手法に拡張したものであり、パーセプチュアル品質に優れる。
Kutipan
"Training deep neural networks has become a common approach for addressing image restoration problems. An alternative for training a "task-specific" network for each observation model is to use pretrained deep denoisers for imposing only the signal's prior within iterative algorithms, without additional training."
"Combining iterative denoising with guidance that is based on back-projection (BP) of intermediate estimates on the subspace {x : Ax = y} (more details in Section 2) was originally proposed in [36] (in the context of PnP), and has been shown to be a promising strategy in both the PnP and the DDM literature [5, 11, 19, 26, 27, 30, 37, 41, 46]."