- 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 - PnP-ADMM 中的先前偏差和适应性及其非凸收敛分析
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。
- 使用受限奇异值条件的即插即用先验恢复分析
我们提出了一种基于深度神经网络的方法来建立 PnP/RED 的理论恢复保证,并展示了使用预先训练的去伪影网络进行压缩感知的 PnP 相比最新的生成式模型的压缩感知算法具有更好的恢复性能。
- 一种基于多重自相似网络的新循环插拔先验
本文针对图像重建领域中的噪音问题,提出了一种基于 self-similarity matching 的多自相似网络(MSSN)PnP 去噪先验模型,实验证明该模型在高压缩傅里叶采样下能够较好地进行 MR 图像重建。
- 通过去噪实现块坐标正则化
本文针对使用仅通过去噪函数指定的先验从其噪声测量中估计向量的问题,提出了一种新的块协调等价正则化 - by-denoising(RED)算法,并理论分析了算法的收敛性及其与传统的近端优化的关系。
- 使用在线即插即用算法的正则化傅里叶全息成像
本文提出一种新的在线优化算法,基于 FISTA 算法,使用只有子集的测量数据实现了可扩展的傅里叶全息显微(FPM)成像,模拟和实验数据结果表明该算法可以显著提高性能。
- 一个用于正则化图像重建的在线即插即用算法
本文介绍了一种基于迭代收缩 / 阈值算法 (ISTA) 的在线 plug-and-play priors (PnP) 算法,并提出了一种新的收敛性分析方法,以证明该算法适用于大型数据集。该算法可用于图像重建,具有潜在的应用拓展性。
- 亮场电子断层摄影和稀疏插值的即插即用先验
本文介绍了一种利用图像的非局部冗余性进行电子断层成像和稀疏图像插值的算法,该算法使用一种名为 “插入即可运行” 的方法框架,以正则化反演设置来解决这些成像问题。