論文の概要: Alternating Phase Langevin Sampling with Implicit Denoiser Priors for Phase Retrieval

• arxiv url: http://arxiv.org/abs/2211.00884v1
• Date: Wed, 2 Nov 2022 05:08:50 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-03 13:28:48.842605
• Title: Alternating Phase Langevin Sampling with Implicit Denoiser Priors for Phase Retrieval
• Title（参考訳）: 位相検索のためのインシシットデノイザプリミティブを用いた交互位相ランゲヴィンサンプリング
• Authors: Rohun Agrawal, Oscar Leong
• Abstract要約: 本稿では,従来のフレームワークに組み込んだ位相探索問題の解法を提案する。 位相探索のための性能記述に基づくアルゴリズムと比較し、分布内画像と分布外画像の顕著な測定結果と競合する性能を示す。
• 参考スコア（独自算出の注目度）: 1.7767466724342065
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Phase retrieval is the nonlinear inverse problem of recovering a true signal from its Fourier magnitude measurements. It arises in many applications such as astronomical imaging, X-Ray crystallography, microscopy, and more. The problem is highly ill-posed due to the phase-induced ambiguities and the large number of possible images that can fit to the given measurements. Thus, there's a rich history of enforcing structural priors to improve solutions including sparsity priors and deep-learning-based generative models. However, such priors are often limited in their representational capacity or generalizability to slightly different distributions. Recent advancements in using denoisers as regularizers for non-convex optimization algorithms have shown promising performance and generalization. We present a way of leveraging the prior implicitly learned by a denoiser to solve phase retrieval problems by incorporating it in a classical alternating minimization framework. Compared to performant denoising-based algorithms for phase retrieval, we showcase competitive performance with Fourier measurements on in-distribution images and notable improvement on out-of-distribution images.
• Abstract（参考訳）: 位相検索は、そのフーリエマグニチュード測定から真の信号を回復する非線形逆問題である。 天文学的イメージング、X線結晶学、顕微鏡などの多くの応用に現れる。 この問題は、位相誘起な曖昧さと、与えられた測定値に適合する可能性のある多数の画像のため、非常に不適切である。 このように、疎結合やディープラーニングベースの生成モデルを含むソリューションを改善するために構造的事前を強制する歴史は豊富です。 しかし、そのような事前性は、しばしばその表現能力やわずかに異なる分布への一般化性に制限される。 非凸最適化アルゴリズムの正則化としてデノイザを用いた最近の進歩は、有望な性能と一般化を示している。 古典的交互最小化の枠組みに組み込んで位相探索問題を解くために,denoiserが暗黙的に学習した手法を提案する。 位相探索のための弁別アルゴリズムと比較し,分布画像のフーリエ計測による競合性能と分布画像の大幅な改善を示す。

関連論文リスト

• Poisson-Gaussian Holographic Phase Retrieval with Score-based Image Prior [19.231581775644617]
  本稿では,スコア関数を先行生成関数とする高速化されたWirtinger Flow (AWF) を用いた新しいアルゴリズム"AWFS"を提案する。 PRの対数様関数の勾配を計算し、リプシッツ定数を決定する。 本稿では,提案アルゴリズムの臨界点収束保証を確立する理論的解析を行う。
  論文  参考訳（メタデータ） (2023-05-12T18:08:47Z)
• DiffusionAD: Norm-guided One-step Denoising Diffusion for Anomaly Detection [89.49600182243306]
  我々は拡散モデルを用いて再構成過程をノイズ・ツー・ノームパラダイムに再構成する。 本稿では,拡散モデルにおける従来の反復的復調よりもはるかに高速な高速な一段階復調パラダイムを提案する。 セグメント化サブネットワークは、入力画像とその異常のない復元を用いて画素レベルの異常スコアを予測する。
  論文  参考訳（メタデータ） (2023-03-15T16:14:06Z)
• Optimal Algorithms for the Inhomogeneous Spiked Wigner Model [89.1371983413931]
  不均一な問題に対する近似メッセージパッシングアルゴリズム(AMP)を導出する。 特に,情報理論の閾値よりも大きい信号と雑音の比を必要とする既知のアルゴリズムが,ランダムよりも優れた処理を行うための統計的・計算的ギャップの存在を同定する。
  論文  参考訳（メタデータ） (2023-02-13T19:57:17Z)
• Diffusion Posterior Sampling for General Noisy Inverse Problems [50.873313752797124]
  我々は、後方サンプリングの近似により、雑音(非線形)逆問題に対処するために拡散解法を拡張した。 本手法は,拡散モデルが様々な計測ノイズ統計を組み込むことができることを示す。
  論文  参考訳（メタデータ） (2022-09-29T11:12:27Z)
• Optimizing Intermediate Representations of Generative Models for Phase Retrieval [0.5156484100374059]
  位相検索は、等級のみの測定から画像を再構成する問題である。 我々は、トレーニングデータと整合した画像を生成しながら、中間層最適化(ILO)の新たなバリエーションを用いて、ジェネレータの範囲を広げる。
  論文  参考訳（メタデータ） (2022-05-31T09:01:15Z)
• Denoising Diffusion Restoration Models [110.1244240726802]
  Denoising Diffusion Restoration Models (DDRM) は効率的で教師なしの後方サンプリング手法である。 DDRMの汎用性を、超高解像度、デブロアリング、インペイント、カラー化のためにいくつかの画像データセットに示す。
  論文  参考訳（メタデータ） (2022-01-27T20:19:07Z)
• Learning Discriminative Shrinkage Deep Networks for Image Deconvolution [122.79108159874426]
  本稿では,これらの用語を暗黙的にモデル化する識別的縮小関数を学習することで,効果的に非盲検デコンボリューション手法を提案する。 実験結果から,提案手法は最先端の手法に対して,効率と精度の点で好適に動作することがわかった。
  論文  参考訳（メタデータ） (2021-11-27T12:12:57Z)
• 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)
• Phase Retrieval with Holography and Untrained Priors: Tackling the Challenges of Low-Photon Nanoscale Imaging [7.984370990908576]
  位相探索は、マグニチュードのみのフーリエ測定から信号を回復する逆問題である。 ナノスケールの課題に適応したホログラフィック位相検索のためのデータセットフリーなディープラーニングフレームワークを提案する。
  論文  参考訳（メタデータ） (2020-12-14T10:15:07Z)
• Solving Linear Inverse Problems Using the Prior Implicit in a Denoiser [7.7288480250888]
  我々は、ディープニューラルネットワークにおける暗黙の事前利用のための堅牢で一般的な手法を開発した。 ブラインド(ノイズレベルが未知の)を訓練したCNNが提示される。 このアルゴリズムの制約サンプリングへの一般化は、任意の線形逆問題を解決するために暗黙の手法を提供する。
  論文  参考訳（メタデータ） (2020-07-27T15:40:46Z)
• When deep denoising meets iterative phase retrieval [5.639904484784126]
  従来の位相の検索アルゴリズムはノイズが存在する場合に苦しむが、クリーンなデータを与えると世界収束を示す。 ここでは,位相探索からの反復的手法とディープデノイザからの画像統計とを,正規化によるデノジングにより組み合わせる。 得られた手法は各手法の利点を継承し、他のノイズロス位相探索アルゴリズムより優れている。
  論文  参考訳（メタデータ） (2020-03-03T21:00:45Z)

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。