論文の概要: Provably Convergent Plug-and-Play Quasi-Newton Methods

• arxiv url: http://arxiv.org/abs/2303.07271v4
• Date: Mon, 13 Nov 2023 11:58:00 GMT
• ステータス: 処理完了
• システム内更新日: 2023-11-14 22:17:37.261691
• Title: Provably Convergent Plug-and-Play Quasi-Newton Methods
• Title（参考訳）: プラグ・アンド・プレイ準ニュートン法
• Authors: Hong Ye Tan, Subhadip Mukherjee, Junqi Tang, Carola-Bibiane Sch\"onlieb
• Abstract要約: 本稿では,忠実度項とディープデノイザを併用する効率的な手法を提案する。 提案した準ニュートンアルゴリズムは,弱凸関数の臨界点であることを示す。 画像ブラアリングと超高分解能の実験は、他の証明可能なdeM法と比較して、より高速な収束を示す。
• 参考スコア（独自算出の注目度）: 5.9974035827998655
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Plug-and-Play (PnP) methods are a class of efficient iterative methods that aim to combine data fidelity terms and deep denoisers using classical optimization algorithms, such as ISTA or ADMM, with applications in inverse problems and imaging. Provable PnP methods are a subclass of PnP methods with convergence guarantees, such as fixed point convergence or convergence to critical points of some energy function. Many existing provable PnP methods impose heavy restrictions on the denoiser or fidelity function, such as non-expansiveness or strict convexity, respectively. In this work, we propose a novel algorithmic approach incorporating quasi-Newton steps into a provable PnP framework based on proximal denoisers, resulting in greatly accelerated convergence while retaining light assumptions on the denoiser. By characterizing the denoiser as the proximal operator of a weakly convex function, we show that the fixed points of the proposed quasi-Newton PnP algorithm are critical points of a weakly convex function. Numerical experiments on image deblurring and super-resolution demonstrate 2--8x faster convergence as compared to other provable PnP methods with similar reconstruction quality.
• Abstract（参考訳）: Plug-and-Play (PnP) は、ISTAやADMMなどの古典最適化アルゴリズムと逆問題やイメージングの応用を組み合わせた効率的な反復手法のクラスである。 確率的PnP法は、あるエネルギー関数の臨界点への固定点収束や収束のような収束を保証するPnP法のサブクラスである。 多くの既存の証明可能なPnP法は、それぞれ非拡張性や厳密な凸性など、デノイザ関数や忠実度関数に厳しい制限を課している。 本研究では,近位分母に基づく証明可能なpnpフレームワークに準ニュートンステップを組み込んだ新しいアルゴリズム手法を提案する。 弱凸関数の近位作用素としてデノイザを特徴付けることにより、提案した準ニュートンPnPアルゴリズムの固定点は弱凸関数の臨界点であることを示す。 画像劣化と超解像に関する数値実験により, 同様の再現性を有する他のPnP法と比較して, 2～8倍の収束性を示した。

関連論文リスト

• A Unified Plug-and-Play Algorithm with Projected Landweber Operator for Split Convex Feasibility Problems [6.185478918618347]
  近年,Plug-and-Play法は,演算子をデノイザに置き換えることで,逆画像問題における最先端性能を実現している。 理論的に保証されたステップサイズを持つ手法の適用は困難であり、アルゴリズムはノイズに制限される。 これらの問題に対処するために、Project Landweber Operator (PLOPLO) が提案されている。
  論文  参考訳（メタデータ） (2024-08-22T03:29:51Z)
• A Unified Theory of Stochastic Proximal Point Methods without Smoothness [52.30944052987393]
  近点法はその数値的安定性と不完全なチューニングに対する頑健性からかなりの関心を集めている。 本稿では,近位点法(SPPM)の幅広いバリエーションの包括的解析について述べる。
  論文  参考訳（メタデータ） (2024-05-24T21:09:19Z)
• Incremental Quasi-Newton Methods with Faster Superlinear Convergence Rates [50.36933471975506]
  各成分関数が強く凸であり、リプシッツ連続勾配とヘシアンを持つ有限和最適化問題を考える。 最近提案されたインクリメンタル準ニュートン法は、BFGSの更新に基づいて、局所的な超線形収束率を達成する。 本稿では、対称ランク1更新をインクリメンタルフレームワークに組み込むことにより、より効率的な準ニュートン法を提案する。
  論文  参考訳（メタデータ） (2024-02-04T05:54:51Z)
• High-Probability Convergence for Composite and Distributed Stochastic Minimization and Variational Inequalities with Heavy-Tailed Noise [96.80184504268593]
  グラデーション、クリッピングは、優れた高確率保証を導き出すアルゴリズムの鍵となる要素の1つである。 クリッピングは、合成および分散最適化の一般的な方法の収束を損なう可能性がある。
  論文  参考訳（メタデータ） (2023-10-03T07:49:17Z)
• An Optimization-based Deep Equilibrium Model for Hyperspectral Image Deconvolution with Convergence Guarantees [71.57324258813675]
  本稿では,ハイパースペクトル画像のデコンボリューション問題に対処する新しい手法を提案する。 新しい最適化問題を定式化し、学習可能な正規化器をニューラルネットワークの形で活用する。 導出した反復解法は、Deep Equilibriumフレームワーク内の不動点計算問題として表現される。
  論文  参考訳（メタデータ） (2023-06-10T08:25:16Z)
• Block Coordinate Plug-and-Play Methods for Blind Inverse Problems [13.543612162739773]
  プラグアンドプレイ先行法は,物理計測モデルと学習画像復号器を組み合わせた演算子による逆問題の解法としてよく知られている。 です。 既知の測定演算子による画像復元に広く用いられている手法はほとんどない。 盲目の逆問題の解決です このギャップに対処するために、未知の演算子の両方について、学習した記述子を先行として提示する。
  論文  参考訳（メタデータ） (2023-05-22T03:27:30Z)
• A relaxed proximal gradient descent algorithm for convergent plug-and-play with proximal denoiser [6.2484576862659065]
  本稿では,新しいコンバーゼントなPlug-and-fidelity Descent (Play)アルゴリズムを提案する。 このアルゴリズムは、より広い範囲の通常の凸化パラメータに収束し、画像のより正確な復元を可能にする。
  論文  参考訳（メタデータ） (2023-01-31T16:11:47Z)
• A Semismooth Newton Stochastic Proximal Point Algorithm with Variance Reduction [2.048226951354646]
  弱凸, 複合最適化問題に対する実装可能な近位点(SPP)法を開発した。 提案アルゴリズムは分散低減機構を組み込んでおり、その結果の更新は不正確なセミスムース・ニュートン・フレームワークを用いて解決される。
  論文  参考訳（メタデータ） (2022-04-01T13:08:49Z)
• Proximal denoiser for convergent plug-and-play optimization with nonconvex regularization [7.0226402509856225]
  Plug-and-Play ()メソッドは、ニューラルネットワーク演算子をデノナイジング演算子に置き換えることで、アルゴリズムによって、近位姿勢の逆問題を解決する。 このデノイザが実際に勾配関数に対応していることが示される。
  論文  参考訳（メタデータ） (2022-01-31T14:05:20Z)
• Fast Objective & Duality Gap Convergence for Non-Convex Strongly-Concave Min-Max Problems with PL Condition [52.08417569774822]
  本稿では,深層学習(深層AUC)により注目度が高まっている,円滑な非凹部min-max問題の解法に焦点をあてる。
  論文  参考訳（メタデータ） (2020-06-12T00:32:21Z)
• IDEAL: Inexact DEcentralized Accelerated Augmented Lagrangian Method [64.15649345392822]
  本稿では,局所関数が滑らかで凸な分散最適化環境下での原始的手法設計のためのフレームワークを提案する。 提案手法は,加速ラグランジアン法により誘導されるサブプロブレム列を概ね解いたものである。 加速度勾配降下と組み合わせることで,収束速度が最適で,最近導出された下界と一致した新しい原始アルゴリズムが得られる。
  論文  参考訳（メタデータ） (2020-06-11T18:49:06Z)

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。