論文の概要: AWFSD: Accelerated Wirtinger Flow with Score-based Diffusion Image Prior
for Poisson-Gaussian Holographic Phase Retrieval
- arxiv url: http://arxiv.org/abs/2305.07712v1
- Date: Fri, 12 May 2023 18:08:47 GMT
- ステータス: 処理完了
- システム内更新日: 2023-05-16 20:05:29.405534
- Title: AWFSD: Accelerated Wirtinger Flow with Score-based Diffusion Image Prior
for Poisson-Gaussian Holographic Phase Retrieval
- Title（参考訳）: AWFSD:ポアソン-ガウスホログラフィー位相検索に先立つスコアベース拡散画像を用いた加速ワイティンガー流れ
- Authors: Zongyu Li, Jason Hu, Xiaojian Xu, Liyue Shen and Jeffrey A. Fessler
- Abstract要約: 本研究では,Score-based Diffusion Model を前駆体として用いるアルゴリズムを開発した。
提案したAWFSDアルゴリズムの臨界点収束保証を確立する理論解析を行う。
提案したAWFSDアルゴリズムは、質的にも定量的にも高い画質で再構成し、位相検索の最先端手法と比較してノイズレベルの変化に頑健である。
- 参考スコア（独自算出の注目度）: 21.990762565202036
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Phase retrieval (PR) is an essential problem in a number of coherent imaging
systems. This work aims at resolving the holographic phase retrieval problem in
real world scenarios where the measurements are corrupted by a mixture of
Poisson and Gaussian (PG) noise that stems from optical imaging systems. To
solve this problem, we develop a novel algorithm based on Accelerated Wirtinger
Flow that uses Score-based Diffusion models as the generative prior (AWFSD). In
particular, we frame the PR problem as an optimization task that involves both
a data fidelity term and a regularization term. We derive the gradient of the
PG log-likelihood function along with its corresponding Lipschitz constant,
ensuring a more accurate data consistency term for practical measurements. We
introduce a generative prior as part of our regularization approach by using a
score-based diffusion model to capture (the gradient of) the image prior
distribution. We provide theoretical analysis that establishes a critical-point
convergence guarantee for the proposed AWFSD algorithm. Our simulation
experiments demonstrate that: 1) The proposed algorithm based on the PG
likelihood model enhances reconstruction compared to that solely based on
either Gaussian or Poisson likelihood. 2) The proposed AWFSD algorithm produces
reconstructions with higher image quality both qualitatively and
quantitatively, and is more robust to variations in noise levels when compared
with state-of-the-art methods for phase retrieval.
- Abstract（参考訳）: 位相検索(PR)は多くのコヒーレントイメージングシステムにおいて重要な問題である。
本研究は, ポアソンとガウシアン(pg)の混合ノイズにより測定値が劣化する実世界シナリオにおけるホログラフィック位相検索問題を解くことを目的としている。
そこで,本稿では,生成前処理としてスコアベース拡散モデルを用いた高速化wirtinger flowに基づく新しいアルゴリズムを開発した。
特に、pr問題をデータ忠実性項と正規化項の両方を含む最適化タスクとして構成する。
pg log-likelihood関数とその対応するリプシッツ定数の勾配を導出し、より正確なデータ一貫性項を実用的測定に保証する。
画像の事前分布を(勾配を)捉えるためにスコアベース拡散モデルを用いて、正規化手法の一部として生成前処理を導入する。
提案したAWFSDアルゴリズムの臨界点収束保証を確立する理論解析を行う。
私たちのシミュレーション実験では、
1)PG確率モデルに基づく提案アルゴリズムは,ガウス確率とポアソン確率のみに基づく手法と比較して再構成を促進させる。
2) AWFSDアルゴリズムは,画像の質が質的にも定量的にも向上し,位相検索の最先端手法と比較してノイズレベルの変動に頑健である。
関連論文リスト
- Provably Robust Score-Based Diffusion Posterior Sampling for Plug-and-Play Image Reconstruction [31.503662384666274]
科学と工学において、ゴールは、ある画像のモダリティを記述する既知のフォワードモデルから収集された少数の測定値から未知の画像を推測することである。
モチベートされたスコアベース拡散モデルはその経験的成功により、画像再構成に先立って模範の印象的な候補として現れた。
論文 参考訳（メタデータ） (2024-03-25T15:58:26Z) - Learning Unnormalized Statistical Models via Compositional Optimization [73.30514599338407]
実データと人工雑音のロジスティックな損失として目的を定式化することにより, ノイズコントラスト推定(NCE)を提案する。
本稿では,非正規化モデルの負の対数類似度を最適化するための直接的アプローチについて検討する。
論文 参考訳（メタデータ） (2023-06-13T01:18:16Z) - 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) - 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) - On Maximum-a-Posteriori estimation with Plug & Play priors and
stochastic gradient descent [13.168923974530307]
画像問題の解法は、通常、明示的なデータ可能性関数と、その解の明確な期待特性とを結合する。
明示的なモデリングから離れて、画像復調アルゴリズムによって定義された暗黙の先行値の使用について、いくつかの最近の研究が提案され、研究されている。
論文 参考訳（メタデータ） (2022-01-16T20:50:08Z) - Bayesian imaging using Plug & Play priors: when Langevin meets Tweedie [13.476505672245603]
本稿では,ベイズ推定を事前に行うための理論,方法,および証明可能な収束アルゴリズムを開発する。
モンテカルロサンプリングとMMSEに対する-ULA(Unadjusted Langevin)アルゴリズム推論と、推論のための定量的SGD(Stochastic Gradient Descent)の2つのアルゴリズムを紹介します。
このアルゴリズムは、点推定や不確実性の可視化や規則性に使用される画像のノイズ除去、インペインティング、ノイズ除去などのいくつかの問題で実証されています。
論文 参考訳（メタデータ） (2021-03-08T12:46:53Z) - Learned Block Iterative Shrinkage Thresholding Algorithm for
Photothermal Super Resolution Imaging [52.42007686600479]
深層ニューラルネットワークに展開する反復アルゴリズムを用いて,学習したブロックスパース最適化手法を提案する。
本稿では、正規化パラメータの選択を学ぶことができる学習ブロック反復収縮しきい値アルゴリズムを使用することの利点を示す。
論文 参考訳（メタデータ） (2020-12-07T09:27:16Z) - Plug-And-Play Learned Gaussian-mixture Approximate Message Passing [71.74028918819046]
そこで本研究では,従来のi.i.d.ソースに適した圧縮圧縮センシング(CS)リカバリアルゴリズムを提案する。
我々のアルゴリズムは、Borgerdingの学習AMP(LAMP)に基づいて構築されるが、アルゴリズムに普遍的な復調関数を採用することにより、それを大幅に改善する。
数値評価により,L-GM-AMPアルゴリズムは事前の知識を必要とせず,最先端の性能を実現する。
論文 参考訳（メタデータ） (2020-11-18T16:40:45Z) - 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) - 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)
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。