Core Concepts
アーキテクチャに関係ない効率的な周波数制御方法を提案し、未訓練画像再構築での課題を解決する。
Abstract
未訓練ネットワークは高品質画像を回復するためのスペクトルバイアスを利用している。
アーキテクチャに関係なく、周波数バイアスを調整する効果的な方法が提案されている。
入力帯域制約、補間ベースのアップサンプラーの帯域幅制御、レイヤーのリプシッツ定数の正則化が行われている。
提案手法は過学習問題を軽減し、高性能な対応策として機能することが示されている。
MRI再構築や画像インペインティングタスクで有益な結果が得られており、公開コードも提供される予定。
1. Introduction
MRIは医学診断における主要な画像診断手段であり、加速MRIは手作業事前知識が必要だったがDIPによって代替可能となった。
2. Untrained Network Priors for Image Reconstruction
DIPに触発された未訓練ネットワークは高抵抗性を示し、CNN固有のスペクトルバイアスに起因する暗黙的正則化を実現している。
3. Architecture-Agnostic Frequency Regularization Methods
入力帯域制約や補間法による帯域幅調整、レイヤーのリプシッツ定数正則化が提案されており、過学習問題への対処が行われている。
4. Efficiency and Performance Improvement
新しい周波数視点から効率的な正則化方法が開発され、過学習への脆弱性低下や高性能化が実現されている。
Stats
成功はCNN固有のスペクトルバイアスに起因しており (5)
レギュラライズド・ネットワーク事前知識は現在の監督および自己監督方法と比較して有利である (28)