ill-posed inverse problems | BriefGPT

关键词ill-posed inverse problems

搜索结果 - 9

基于前馈后验树的分层不确定性探索
通过使用树值预测，我们介绍了一种新的方法来可视化多个层次的后验分布，展示了在不同数据集和图像恢复挑战中的有效性，并揭示了其在不确定性量化和可视化方面的实力。
PDFa month ago
基于随机去噪正则化的即插即用图像恢复
插拔式（PnP）算法是一类迭代算法，通过结合物理模型和深度神经网络进行正规化，解决图像逆问题。我们提出了一个新的 PnP 框架，称为随机去噪正则化（SNORE），它只在恰当程度上含有噪声的图像上应用去噪算法，并基于明确的随机正则化得出了解决
PDF5 months ago
AAAI图像超分辨率早期训练阶段的无噪优化
本文研究了基于深度学习的单图像超分辨率方法中的反问题，并通过将目标高分辨率图像分解为最优质心和固有噪声两个子组成部分，提出了一种新的优化方法，以更好地捕捉该问题的本质并增强其稳定性。
PDF6 months ago
通过低维后验投影进行不确定性可视化
通过在低维子空间上使用能量模型（EBMs）对后验进行估计和可视化，我们介绍了一种用于在不透明的逆问题中获得可能解的全谱派生物的新方法，该方法在不确定性量化和可视化方面表现出更高的效率和准确性。
PDF7 months ago
vSHARP：用于逆问题重建的变量分裂半二次 ADMM 算法
提出了 vSHARP，一个基于深度学习的方法，用于解决医学成像中的病态反问题，通过半二次变量分离方法和交替方向乘子法进行优化，同时利用 U-Net 架构等技术来提高图像质量。在加速平行 MRI 重建任务上进行的实验结果表明，vSHARP 具
PDF10 months ago
贝叶斯线性反问题的蒙特卡洛引导扩散
本研究提出了一种基于 Feynman-Kac 模型和顺序蒙特卡洛方法的算法 MCGdiff，用于解决结构先验在 Score-Based 生成模型中的反问题，并在数值模拟中表现出优越性能。
PDFa year ago
通过架构正则化：一种逆问题的深度先验方法
本文研究了在不适定逆问题上应用的所谓深度图像先验（DIP）技术，介绍了将这些方法视为 Tikhonov 函数的优化而不是网络优化的方法。通过理论结果和数值验证，证明了这种方法的可行性。
PDF6 years ago
深度卷积神经网络用于图像反问题
使用深度卷积神经网络，结合直接反演、多分辨率分解和残差学习等技术来解决病态反问题，实验证明，在稀疏采样下，该方法能在不到一秒的时间内重建 512 x 512 的图像，取得了比迭代正则化平滑重建更好的效果。
PDF8 years ago
多参数选择的 Stein 无偏梯度估计器（SUGAR）风险
本文提出了一种使用 Stein 无偏风险估计（SURE）和弱梯度（SUGAR）来优化模型连续参数集合的方法，旨在解决使用非平滑正则化（如软阈值）时，SURE 成为参数的不连续函数而不能使用渐变下降优化技术的问题。同时，本文还给出了 SUGA
PDF10 years ago