Sep, 2023

PnP-ADMM 中的先前偏差和适应性及其非凸收敛分析

PDF
TL;DR该论文探讨了插拔式先验（PnP）方法中先验分布不匹配和领域适应的问题，并提供了一系列关于 PnP-ADMM 的新理论和数值结果，证明了先验分布不匹配对其性能的影响以及通过少量来自所需分布的训练样本可以显著减小性能差距。
plug-and-play priorsdistribution mismatchalternating direction method of multipliersprior distribution mismatchdomain adaptation
发现论文，激发创造
  • 非凸 PnP-ADMM 与 MMSE 去噪算法的收敛性

    基于解释卷积神经网络先验为最小均方误差（MMSE）降噪器的理论解析，论文对 PnP-ADMM 的稳定性进行了解释，并通过对非扩展 DnCNN 降噪器和扩展 DRUNet 降噪器之间性能差距的数值评估，进一步验证了使用扩展卷积神经网络的动机。

    Nov, 2023

  • 插拔式方法在经过适当训练的去噪器的证明下收敛

    本文介绍了一种名为 Plug-and-play（PnP）的非凸架构，它将现代去噪先验（如 BM3D 或基于深度学习的去噪器）集成到 ADMM 或其他近端算法中。我们在不使用缩小步长的情况下理论上建立了 PnP-FBS 和 PnP-ADMM 的收敛性，提出了实际谱标准化的技术，以满足所提出的 Lipschitz 条件，最后通过实验结果验证了理论的有效性。

    May, 2019

  • 插拔式 ADMM 的性能分析：基于图信号处理角度的研究

    本文讨论了 Plug-and-Play ADMM 算法在图像还原中的表现，并通过将去噪器限制为图滤波器类下的线性假设，提出了等价 MAP 优化存在的条件、表明了性能增益是由于 PnP prior 的固有预去噪特性以及提出了通过共识平衡概念的新分析技术，并为涉及多个先验的问题提供了解释。

    Aug, 2018

  • 插入并使用后验抽样在不匹配测量和先验模型下

    插入和播放未调整的 Langevin 算法（PnP-ULA）是一种有前景的方法，通过使用图像去噪器来结合物理测量模型和深度学习的先验，在贝叶斯逆问题的求解中用于蒙特卡罗采样和最小均方误差估计。在本文中，我们提出了一个后验 - L2 伪度量，用它来量化 PnP-ULA 在不匹配后验分布下的显式误差界限。通过在多个逆问题上进行数值验证，我们的结果表明 PnP-ULA 的采样分布对测量模型和图像去噪器的不匹配非常敏感，并且可以被准确地表征。

    Oct, 2023

  • 无需调节的即插即用近端算法用于逆向成像问题

    本文提出了一种可实现自动调参的 PnP 近端算法，利用混合模型自由和基于模型的深度强化学习方法，开发出策略网络进行参数自动搜索，从而得到最优参数值，可在重构图像方面提供 state-of-the-art 的效果，尤其在压缩感知 MRI 和相位恢复上结果有很大提升。

    Feb, 2020

  • TFPnP: 无需调参的即插即用近端算法及其在反演成像问题中的应用

    该研究提出了一种无需手动参数调整的自动调参算法，该算法利用混合模型无关和模型基深度强化学习策略的方法学习参数搜索的策略网络。通过严格的数值和视觉实验，学习的策略可以根据不同场景设置自定义参数，并比现有的手工参数更加高效和有效。

    Nov, 2020

  • 利用测试时间训练克服插拔式方法中的分布偏移

    提出了 PnP-TTT 这种新方法来克服 PnP 方法中的分布偏移问题，通过在 PnP 迭代的固定点上优化自监督损失来应用于单个测试样本以改善 PnP 的泛化能力。模拟实验表明，在测量次数足够的情况下，PnP-TTT 可以使用在自然图像上训练的图像先验进行磁共振成像（MRI）的图像重建。

    Mar, 2024

  • 关于即插即用运算符的收缩性

    通过收缩映射定理，我们解决了关于 PnP-ISTA 和 PnP-ADMM 在对称去噪器和核去噪器上的线性收敛性的问题，并在图像修复上验证了我们的理论发现。

    Sep, 2023

  • 盲反问题的分块坐标插入播放方法

    Block-coordinate Plug-and-play (BC-PnP) method is proposed for solving blind inverse problems by introducing denoisers as priors on both the unknown image and the unknown measurement operator with an approximate minimum mean-squared error (MMSE) denoiser.

    May, 2023

  • 基于多码深度图像先验的即插即用 ADMM 图像去噪和 CT 重建

    本研究提出了多编码深度图像滤波方法，可避免过拟合问题并在图像去噪和 CT 重建问题中表现卓越。

    Apr, 2023