Nov, 2023
基于最优输运和凸分析的成像反问题的无监督方法
Unsupervised approaches based on optimal transport and convex analysis for inverse problems in imaging
Marcello Carioni, Subhadip Mukherjee, Hong Ye Tan, Junqi Tang
TL;DR无监督深度学习在图像处理领域中日益成为研究的关键，能够通过学习表达丰富且强大的重构操作符来解决高质量训练数据稀缺的问题。本文回顾了基于最优运输和凸分析的理论上有依据的无监督学习方案，重点介绍了基于循环一致性模型和学习对抗规则化方法等具有明确概率解释的最优运输无监督方法。另外，对于加速图像逆问题求解的可证明收敛学习优化算法及其专用无监督训练方案进行了概述，并调查了基于梯度步骤深度降噪器的可证明收敛插放学习算法，这是应用广泛且最重要的无监督图像处理方法之一。最后，总结了一些与重点方案相辅相成的相关无监督学习框架，并提供了基于数学原理的详细综述，使我们的讨论更加自包含。