Core Concepts
본 논문은 가중치 차이 기반 비등방성-등방성 총 변동 정규화를 활용하여 대규모 이미지 복원 문제를 효과적으로 해결하는 새로운 ADMM 알고리즘을 제안한다. 이 알고리즘은 가우시안 또는 포아송 잡음이 포함된 측정값에 대해 우수한 성능을 보인다.
Abstract
본 논문은 대규모 이미지 복원 문제를 해결하기 위해 가중치 차이 기반 비등방성-등방성 총 변동(AITV) 정규화를 활용한 새로운 변분 모델을 제안한다. 이 모델은 가우시안 또는 포아송 잡음이 포함된 측정값을 효과적으로 다룰 수 있다.
제안된 모델을 해결하기 위해 ADMM 알고리즘을 개발하였다. 이 알고리즘은 각 부문제를 효율적으로 해결하기 위해 확률적 경사 하강법(SGD)을 활용한다. 특히, 이미지 복원 부문제에 SGD를 적용하기 위해 적절한 방법을 제시하였다. 또한 실험 구조의 특성을 활용하여 최적의 스텝 사이즈를 자동으로 선택할 수 있도록 하였다.
제안된 확률적 ADMM 알고리즘은 모든 측정값을 사용하는 기존 방법과 달리 무작위 배치의 측정값만을 사용하여 정확하고 효율적인 이미지 복원을 수행한다.
Stats
제안된 알고리즘은 가우시안 또는 포아송 잡음이 포함된 대규모 이미지 복원 문제에 대해 우수한 성능을 보인다.
기존 방법과 달리 제안된 알고리즘은 모든 측정값을 사용하지 않고 무작위 배치의 측정값만을 사용하여 효율적인 이미지 복원을 수행한다.
Quotes
"본 논문은 가중치 차이 기반 비등방성-등방성 총 변동 정규화를 활용하여 대규모 이미지 복원 문제를 효과적으로 해결하는 새로운 ADMM 알고리즘을 제안한다."
"제안된 확률적 ADMM 알고리즘은 모든 측정값을 사용하는 기존 방법과 달리 무작위 배치의 측정값만을 사용하여 정확하고 효율적인 이미지 복원을 수행한다."