論文の概要: Regularization by Denoising via Fixed-Point Projection (RED-PRO)
- arxiv url: http://arxiv.org/abs/2008.00226v2
- Date: Wed, 28 Oct 2020 20:22:33 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-04 01:04:23.415941
- Title: Regularization by Denoising via Fixed-Point Projection (RED-PRO)
- Title(参考訳): 固定点投影(RED-PRO)による正規化
- Authors: Regev Cohen, Michael Elad and Peyman Milanfar
- Abstract要約: 画像処理では、Denoising (RED) と Plug-and-Play Prior (RED) による正規化が使用される。
どちらも様々な回復作業における最先端の結果を示しているが、理論上の正当化は不完全である。
- 参考スコア(独自算出の注目度): 34.89374374708481
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Inverse problems in image processing are typically cast as optimization
tasks, consisting of data-fidelity and stabilizing regularization terms. A
recent regularization strategy of great interest utilizes the power of
denoising engines. Two such methods are the Plug-and-Play Prior (PnP) and
Regularization by Denoising (RED). While both have shown state-of-the-art
results in various recovery tasks, their theoretical justification is
incomplete. In this paper, we aim to bridge between RED and PnP, enriching the
understanding of both frameworks. Towards that end, we reformulate RED as a
convex optimization problem utilizing a projection (RED-PRO) onto the
fixed-point set of demicontractive denoisers. We offer a simple iterative
solution to this problem, by which we show that PnP proximal gradient method is
a special case of RED-PRO, while providing guarantees for the convergence of
both frameworks to globally optimal solutions. In addition, we present
relaxations of RED-PRO that allow for handling denoisers with limited
fixed-point sets. Finally, we demonstrate RED-PRO for the tasks of image
deblurring and super-resolution, showing improved results with respect to the
original RED framework.
- Abstract(参考訳): 画像処理における逆問題は通常、データ忠実度と正規化項の安定化からなる最適化タスクとして扱われる。
最近の大きな関心の正規化戦略は、変速エンジンの力を利用する。
このような方法にはpnp(plug-and-play prior)とred(re regularization by denoising)がある。
どちらも様々な回復作業における最先端の結果を示しているが、理論上の正当化は不完全である。
本稿では、REDとPnPの橋渡しを目標とし、両方のフレームワークの理解を深める。
そこで我々は, RED を凸最適化問題として, RED-PRO をデミコントラクティブデノイザの固定点集合上に投影する。
そこで我々は, pnp 近位勾配法が red-pro の特別な場合であることを示すとともに, 両フレームワークのグローバル最適解への収束の保証を提供する。
さらに, RED-PRO の緩和により, 有限点集合でデノイザを扱えるようにした。
最後に、画像劣化と超解像のタスクに対してRED-PROを実証し、オリジナルのREDフレームワークに関して改善された結果を示す。
関連論文リスト
- HPPP: Halpern-type Preconditioned Proximal Point Algorithms and Applications to Image Restoration [7.614347936574962]
Preconditioned Proximal Point (PPP)アルゴリズムは、画像復元におけるメソッド分割のための統一的なフレームワークを提供する。
PPPアルゴリズムは典型的には無限次元収束において退化し、不確実な解をもたらす。
本稿では,Halpern型HPPPアルゴリズムを提案する。
論文 参考訳(メタデータ) (2024-07-18T02:58:06Z) - RED-PSM: Regularization by Denoising of Factorized Low Rank Models for Dynamic Imaging [6.527016551650136]
ダイナミックトモグラフィーでは、1つのビュー角で1つのプロジェクションのみを同時に利用することができる。
本稿では,この課題に対処する2つの強力な手法を組み合わせたRED-PSMを提案する。
論文 参考訳(メタデータ) (2023-04-07T05:29:59Z) - Monotonically Convergent Regularization by Denoising [19.631197002314305]
デノナイズ(RED)による正規化は、画像のデノナイザを画像先行として活用することで、逆問題を解決するための広く使われているフレームワークである。
最近の研究は、事前訓練されたディープニューラルネットをデノイザーとして使用した多くのイメージングアプリケーションにおいて、REDの最先端性能を報告している。
この研究は、ディープ・デノゲーションの非拡張性を必要としない新しいモノトーンRED(MRED)アルゴリズムを開発することでこの問題に対処する。
論文 参考訳(メタデータ) (2022-02-10T11:32:41Z) - On Measuring and Controlling the Spectral Bias of the Deep Image Prior [63.88575598930554]
深層画像は、未学習のネットワークが逆画像問題に対処できることを実証している。
ピークに達するとパフォーマンスが低下するので、いつ最適化を止めるかを決めるにはオラクルが必要です。
これらの問題に対処するために、スペクトルバイアスの観点から先行した深部画像について検討する。
論文 参考訳(メタデータ) (2021-07-02T15:10:42Z) - An Interpretation of Regularization by Denoising and its Application
with the Back-Projected Fidelity Term [55.34375605313277]
RED勾配は以前の関数の(部分)階調と見なすことができるが、その点の分極バージョンで考えることができる。
本稿では, RED と Back-Projection (BP) のフィデリティ項を組み合わせることを提案する。
論文 参考訳(メタデータ) (2021-01-27T18:45:35Z) - Gaussian MRF Covariance Modeling for Efficient Black-Box Adversarial
Attacks [86.88061841975482]
我々は,ゼロオーダーのオラクルにのみアクセス可能なブラックボックス設定において,逆例を生成する問題について検討する。
我々はこの設定を用いて、FGSM(Fast Gradient Sign Method)のブラックボックス版と同様に、高速な1ステップの敵攻撃を見つける。
提案手法はクエリを少なくし,現在の技術よりも攻撃成功率が高いことを示す。
論文 参考訳(メタデータ) (2020-10-08T18:36:51Z) - Async-RED: A Provably Convergent Asynchronous Block Parallel Stochastic
Method using Deep Denoising Priors [31.773305606551197]
Denoising (RED) による正規化は、画像の先行として高度な denoiser を統合することで、逆問題を解決するための最近開発されたフレームワークである。
本稿では,非同期並列処理を実現する非同期RED(ASYNC-RED)アルゴリズムを提案する。
論文 参考訳(メタデータ) (2020-10-03T23:55:36Z) - Deep Variational Network Toward Blind Image Restoration [60.45350399661175]
ブラインド画像復元はコンピュータビジョンでは一般的だが難しい問題である。
両利点を両立させることを目的として,新しいブラインド画像復元手法を提案する。
画像デノイングと超解像という2つの典型的なブラインド赤外線タスクの実験により,提案手法が現状よりも優れた性能を達成できることが実証された。
論文 参考訳(メタデータ) (2020-08-25T03:30:53Z) - MuCAN: Multi-Correspondence Aggregation Network for Video
Super-Resolution [63.02785017714131]
ビデオ超解像(VSR)は、複数の低解像度フレームを使用して、各フレームに対して高解像度の予測を生成することを目的としている。
フレーム間およびフレーム内は、時間的および空間的情報を利用するための鍵となるソースである。
VSRのための効果的なマルチ対応アグリゲーションネットワーク(MuCAN)を構築した。
論文 参考訳(メタデータ) (2020-07-23T05:41:27Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。