Core Concepts
저해상도 이미지를 사전 정보로 활용하여 불완전한 데이터 문제에 대한 효과적인 정규화 모델을 수립하고, 이를 해결하기 위해 깊은 균형 모델을 제안한다.
Abstract
이 논문에서는 저해상도 이미지를 사전 정보로 활용하여 불완전한 데이터 문제에 대한 효과적인 정규화 모델을 수립하였다. 구체적으로 저해상도 이미지 사전 모델을 제안하고, 이를 해결하기 위해 깊은 균형 모델을 활용하였다. 깊은 균형 모델은 가중치 공유 전략을 통해 특징 추출 능력과 모델 크기 간의 균형을 달성하였다. 또한 제안된 모델의 수렴성을 이론적으로 분석하였다. 실험 결과, 제안된 모델은 희소 뷰 및 제한된 각도 CT 재구성 문제에서 기존 최신 방법들에 비해 우수한 성능을 보였다.
Stats
저해상도 이미지 ul은 Alul = b 식을 통해 얻을 수 있다.
제안된 모델의 업데이트 식은 u(k+1) = u(k) - η(A^T sk + tk)로 표현된다.
제안된 모델의 수렴성은 Rθ - I가 ϵ1-Lipschitz이고 Sθ - I가 ϵ2-Lipschitz 조건 하에서 보장된다.
Quotes
"저해상도 이미지 사전 정보를 활용하여 불완전한 데이터 문제에 대한 효과적인 정규화 모델을 수립하였다."
"깊은 균형 모델을 활용하여 특징 추출 능력과 모델 크기 간의 균형을 달성하였다."
"제안된 모델의 수렴성을 이론적으로 분석하였다."