Core Concepts
本研究では、順方向モデルパラメータが不確定な状況下で、ニューラルネットワークプライオアを用いて画像信号を正確に回復する手法を提案する。
Abstract
本研究は、逆問題画像処理(IIP)における重要な課題に取り組んでいる。IIPでは、圧縮された測定値から元の画像を再構築することが目的であるが、この問題は過剰決定であり、複数の解が存在する。最適な解は、画像の疎性などの事前知識に依存する。さらに、多くのIIPでは、正確に知られていない順方向モデルパラメータに大きく依存する。これらのパラメータの不確定性は、順方向モデルのパラメータが実際のものと完全に一致しない場合に、不正確な再構築を引き起こす。
本研究では、可能な順方向モデルパラメータのセットを考慮しながら、ニューラルネットワークプライオアを用いて信号を再構築する新しい「モーメント集約(MA)」フレームワークを提案する。具体的には、ニューラルネットワークの更新時に、すべての候補パラメータを同時に考慮することで、順方向モデルの正確なパラメータを使った再構築と同等の性能を達成できる。理論的な分析では、MAフレームワークの収束性を示し、正確なパラメータを使った再構築と同程度の計算複雑度を持つことを証明する。
実験では、圧縮センシングとフェーズ回復の2つのアプリケーションで提案手法の有効性を示す。MNIST、X線、Glas、MoNusegデータセットを用いた実験では、提案手法が正確なパラメータを使った再構築と比べて0.17 dBから1.94 dBのPSNR差しか出ないことを確認した。これは、提案手法が不確定な順方向モデルの下でも優れた再構築性能を発揮できることを示している。
Stats
提案手法のPSNRは、正確なパラメータを使った再構築と比べて0.17 dBから1.94 dBの差しかない。
提案手法のSSIMは、正確なパラメータを使った再構築と比べて0.041から0.071の差しかない。
Quotes
"本研究では、可能な順方向モデルパラメータのセットを考慮しながら、ニューラルネットワークプライオアを用いて信号を再構築する新しい「モーメント集約(MA)」フレームワークを提案する。"
"理論的な分析では、MAフレームワークの収束性を示し、正確なパラメータを使った再構築と同程度の計算複雑度を持つことを証明する。"