論文の概要: Practical Operator Sketching Framework for Accelerating Iterative Data-Driven Solutions in Inverse Problems

• arxiv url: http://arxiv.org/abs/2208.14784v2
• Date: Thu, 05 Dec 2024 15:07:54 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-12-08 16:57:46.405220
• Title: Practical Operator Sketching Framework for Accelerating Iterative Data-Driven Solutions in Inverse Problems
• Title（参考訳）: 逆問題における反復型データ駆動型ソリューションの高速化のための実用的な演算子スケッチフレームワーク
• Authors: Junqi Tang, Guixian Xu, Subhadip Mukherjee, Carola-Bibiane Schönlieb,
• Abstract要約: 本稿では,効率的な反復型データ駆動型再構成手法のための演算子・スケッチパラダイムを提案する。 これらのIDRスキームは現在、逆問題の画像化のための最先端のソリューションである。
• 参考スコア（独自算出の注目度）: 13.337452518482717
• License:
• Abstract: We propose a new operator-sketching paradigm for designing efficient iterative data-driven reconstruction (IDR) schemes, e.g. Plug-and-Play algorithms and deep unrolling networks. These IDR schemes are currently the state-of-the-art solutions for imaging inverse problems. However, for high-dimensional imaging tasks, especially X-ray CT and MRI imaging, these IDR schemes typically become inefficient both in terms of computation, due to the need of computing multiple times the high-dimensional forward and adjoint operators. In this work, we explore and propose a universal dimensionality reduction framework for accelerating IDR schemes in solving imaging inverse problems, based on leveraging the sketching techniques from stochastic optimization. Using this framework, we derive a number of accelerated IDR schemes, such as the plug-and-play multi-stage sketched gradient (PnP-MS2G) and sketching-based primal-dual (LSPD and Sk-LSPD) deep unrolling networks. Meanwhile, for fully accelerating PnP schemes when the denoisers are computationally expensive, we provide novel stochastic lazy denoising schemes (Lazy-PnP and Lazy-PnP-EQ), leveraging the ProxSkip scheme in optimization and equivariant image denoisers, which can massively accelerate the PnP algorithms with improved practicality. We provide theoretical analysis for recovery guarantees of instances of the proposed framework. Our numerical experiments on natural image processing and tomographic image reconstruction demonstrate the remarkable effectiveness of our sketched IDR schemes.
• Abstract（参考訳）: 本稿では,効率的な反復型データ駆動型再構成(IDR)手法,eg Plug-and-Playアルゴリズム,深層アンロールネットワークを設計するための演算子・スケッチパラダイムを提案する。 これらのIDRスキームは現在、逆問題の画像化のための最先端のソリューションである。 しかし、高次元イメージングタスク、特にX線CTとMRIでは、これらのIDRスキームは、高次元フォワードおよび随伴演算子を複数回計算する必要があるため、計算の両面で非効率になる。 本研究では,確率的最適化によるスケッチ手法の活用に基づいて,画像逆問題解決におけるIDRスキームの高速化のための普遍次元削減フレームワークを探索し,提案する。 このフレームワークを用いて、プラグアンドプレイマルチステージスケッチ勾配(PnP-MS2G)やスケッチベース原始双対(LSPDおよびSk-LSPD)ディープアンローリングネットワークなど、多数の高速IDRスキームを導出する。 一方、計算コストが高い場合のPnPスキームの完全高速化のために、PnPアルゴリズムの最適化にProxSkipスキームを利用する新しい確率的遅延復調スキーム(Lazy-PnPとLazy-PnP-EQ)と、実用性を向上させたPnPアルゴリズムを大規模に高速化する同変画像復調器を提案する。 提案するフレームワークのインスタンスのリカバリ保証に関する理論的解析を行う。 自然画像処理とトモグラフィ画像再構成に関する数値実験により、スケッチしたIDR方式の顕著な効果が示された。

関連論文リスト

• Sketched Equivariant Imaging Regularization and Deep Internal Learning for Inverse Problems [4.287621751502392]
  等変イメージング(EI)正則化は、ディープイメージングネットワークの教師なしトレーニングにおけるデファクト技術となっている。 本稿では,ランダムなスケッチ手法を応用したスケッチ付きEI正規化手法を提案する。 次に、スケッチしたEI正規化を拡張して、高速化された深層学習フレームワークを開発する。
  論文  参考訳（メタデータ） (2024-11-08T18:33:03Z)
• Inter-slice Super-resolution of Magnetic Resonance Images by Pre-training and Self-supervised Fine-tuning [49.197385954021456]
  臨床実践では、2次元磁気共鳴(MR)シーケンスが広く採用されている。個々の2次元スライスを積み重ねて3次元ボリュームを形成できるが、比較的大きなスライスススペーシングは可視化とその後の解析タスクに課題をもたらす可能性がある。 スライス間隔を低減するため,ディープラーニングに基づく超解像技術が広く研究されている。 現在のほとんどのソリューションは、教師付きトレーニングのために、かなりの数の高解像度と低解像度の画像を必要とするが、通常は現実のシナリオでは利用できない。
  論文  参考訳（メタデータ） (2024-06-10T02:20:26Z)
• Iterative Soft Shrinkage Learning for Efficient Image Super-Resolution [91.3781512926942]
  画像超解像(SR)は、CNNからトランスフォーマーアーキテクチャへの広範なニューラルネットワーク設計を目撃している。 本研究は,市販のネットワーク設計を生かし,基礎となる計算オーバーヘッドを低減するため,超高解像度イテレーションにおけるネットワークプルーニングの可能性について検討する。 本研究では, ランダムネットワークのスパース構造を最適化し, 重要でない重みを小さめに微調整することにより, 反復型軟収縮率(ISS-P)法を提案する。
  論文  参考訳（メタデータ） (2023-03-16T21:06:13Z)
• GLEAM: Greedy Learning for Large-Scale Accelerated MRI Reconstruction [50.248694764703714]
  アンロールされたニューラルネットワークは、最近最先端の加速MRI再構成を達成した。 これらのネットワークは、物理ベースの一貫性とニューラルネットワークベースの正規化を交互に組み合わせることで、反復最適化アルゴリズムをアンロールする。 我々は,高次元画像設定のための効率的なトレーニング戦略である加速度MRI再構成のためのグレディ・ラーニングを提案する。
  論文  参考訳（メタデータ） (2022-07-18T06:01:29Z)
• Operator Sketching for Deep Unrolling Networks [5.025654873456756]
  我々は,演算子スケッチを用いた効率的なディープ・アンローリング・ネットワーク設計のための新しいパラダイムを提案する。 X線CT画像再構成に関する数値実験により,スケッチ付きアンロール方式の有効性が示された。
  論文  参考訳（メタデータ） (2022-03-21T17:34:18Z)
• Accelerating Plug-and-Play Image Reconstruction via Multi-Stage Sketched Gradients [5.025654873456756]
  本稿では,次元削減手法を用いて高速なプラグアンドプレイ(ランチ)アルゴリズムを設計するための新しいパラダイムを提案する。 加速度に勾配反復を利用する既存のアプローチとは異なり、我々は新しい多段階スケッチ勾配反復を提案する。
  論文  参考訳（メタデータ） (2022-03-14T17:12:09Z)
• Homography Decomposition Networks for Planar Object Tracking [11.558401177707312]
  平面オブジェクトトラッキングは、ロボット工学、ビジュアルサーボ、ビジュアルSLAMといったAIアプリケーションにおいて重要な役割を果たす。 本稿では, ホログラフィ変換を2つのグループに分解することで, 条件数を大幅に削減し, 安定化する新しいホモグラフィ分解ネットワークを提案する。
  論文  参考訳（メタデータ） (2021-12-15T06:13:32Z)
• SHINE: SHaring the INverse Estimate from the forward pass for bi-level optimization and implicit models [15.541264326378366]
  近年,深層ニューラルネットワークの深度を高める手法として暗黙の深度学習が登場している。 トレーニングは双レベル問題として実行され、その計算複雑性は巨大なヤコビ行列の反復反転によって部分的に駆動される。 本稿では,この計算ボトルネックに対処する新たな手法を提案する。
  論文  参考訳（メタデータ） (2021-06-01T15:07:34Z)
• Riggable 3D Face Reconstruction via In-Network Optimization [58.016067611038046]
  本稿では,単眼画像からの3次元顔再構成法を提案する。 表情、ポーズ、照明を含む画像ごとのパーソナライズされた顔リグとパラメータを共同で推定する。 実験により,SOTA復元精度,ロバスト性,一般化能力が得られた。
  論文  参考訳（メタデータ） (2021-04-08T03:53:20Z)
• A Deep-Unfolded Reference-Based RPCA Network For Video Foreground-Background Separation [86.35434065681925]
  本稿では,ロバスト主成分分析(RPCA)問題に対するディープアンフォールディングに基づくネットワーク設計を提案する。 既存の設計とは異なり,本手法は連続するビデオフレームのスパース表現間の時間的相関をモデル化することに焦点を当てている。 移動MNISTデータセットを用いた実験により、提案したネットワークは、ビデオフォアグラウンドとバックグラウンドの分離作業において、最近提案された最先端のRPCAネットワークより優れていることが示された。
  論文  参考訳（メタデータ） (2020-10-02T11:40:09Z)
• The Power of Triply Complementary Priors for Image Compressive Sensing [89.14144796591685]
  本稿では,一対の相補的な旅先を含むLRD画像モデルを提案する。 次に、画像CSのためのRDモデルに基づく新しいハイブリッド・プラグイン・アンド・プレイ・フレームワークを提案する。 そこで,提案したH-based image CS問題の解法として,単純で効果的なアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2020-05-16T08:17:44Z)

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。