論文の概要: Prior Mismatch and Adaptation in PnP-ADMM with a Nonconvex Convergence Analysis

• arxiv url: http://arxiv.org/abs/2310.00133v1
• Date: Fri, 29 Sep 2023 20:49:00 GMT
• ステータス: 処理完了
• システム内更新日: 2023-10-05 06:21:22.417756
• Title: Prior Mismatch and Adaptation in PnP-ADMM with a Nonconvex Convergence Analysis
• Title（参考訳）: 非凸収束解析を用いたPnP-ADMMの事前ミスマッチと適応
• Authors: Shirin Shoushtari, Jiaming Liu, Edward P. Chandler, M. Salman Asif, Ulugbek S. Kamilov
• Abstract要約: Plug-and-Playは、逆イメージング問題を解決するために広く使われているファミリーメソッドである。 ディープ・メソッドは、前者が強力なデノイザを用いて得られるとき、最先端の性能を達成することが示されている。
• 参考スコア（独自算出の注目度）: 20.63188897629508
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Plug-and-Play (PnP) priors is a widely-used family of methods for solving imaging inverse problems by integrating physical measurement models with image priors specified using image denoisers. PnP methods have been shown to achieve state-of-the-art performance when the prior is obtained using powerful deep denoisers. Despite extensive work on PnP, the topic of distribution mismatch between the training and testing data has often been overlooked in the PnP literature. This paper presents a set of new theoretical and numerical results on the topic of prior distribution mismatch and domain adaptation for alternating direction method of multipliers (ADMM) variant of PnP. Our theoretical result provides an explicit error bound for PnP-ADMM due to the mismatch between the desired denoiser and the one used for inference. Our analysis contributes to the work in the area by considering the mismatch under nonconvex data-fidelity terms and expansive denoisers. Our first set of numerical results quantifies the impact of the prior distribution mismatch on the performance of PnP-ADMM on the problem of image super-resolution. Our second set of numerical results considers a simple and effective domain adaption strategy that closes the performance gap due to the use of mismatched denoisers. Our results suggest the relative robustness of PnP-ADMM to prior distribution mismatch, while also showing that the performance gap can be significantly reduced with few training samples from the desired distribution.
• Abstract（参考訳）: プラグ・アンド・プレイ・プリアーズ(pnp priors)は、画像デノイザによって特定された画像プリアーと物理的計測モデルを統合することで、画像逆問題を解くために広く用いられている手法である。 PnP法は、前者が強力なDenoiserを用いて得られた場合、最先端の性能を達成することが示されている。 PnPに関する広範な研究にもかかわらず、トレーニングデータとテストデータの間の分布ミスマッチのトピックはしばしばPnPの文献で見過ごされてきた。 本稿では,PnP の乗算器 (ADMM) の交互方向法における事前分布ミスマッチと領域適応に関する新しい理論的および数値的な結果を提案する。 我々の理論的結果は、所望のデノイザと推論に用いるデノイザとのミスマッチのため、PnP-ADMMに対して明示的な誤差を与える。 本分析は,非凸データ忠実性項と拡張デノイザによるミスマッチを考慮し,この分野の研究に寄与する。 画像の超解像問題に対するpnp-admmの性能に対する事前分布ミスマッチの影響を,第1セットの数値計算により定量化する。 第2セットの数値結果は,ミスマッチド・デノイザの使用による性能ギャップを解消する,単純かつ効果的なドメイン適応戦略について考察する。 以上の結果から,PnP-ADMMの事前分布ミスマッチに対する相対ロバスト性を示唆するとともに,所望の分布からのトレーニングサンプルを少なくして,性能ギャップを著しく低減できることが示唆された。

関連論文リスト

• Convergence of Nonconvex PnP-ADMM with MMSE Denoisers [8.034511587847158]
  マルチプライヤのプラグ・アンド・プレイ交互方向法 (ADMM) は, 物理測定に広く用いられている。 しかし、そのことが観察されている。 ADMMはしばしば、拡張CNNに対しても経験的に収束する。
  論文  参考訳（メタデータ） (2023-11-30T18:52:47Z)
• Direct Unsupervised Denoising [60.71146161035649]
  教師なしのデノイザは、MMSE推定のような単一の予測を直接生成しない。 本稿では,VAEと並んで決定論的ネットワークを訓練し,中心的な傾向を直接予測するアプローチを提案する。
  論文  参考訳（メタデータ） (2023-10-27T13:02:12Z)
• Plug-and-Play Posterior Sampling under Mismatched Measurement and Prior Models [15.128123938848882]
  後方サンプリングは、逆問題を解決するための強力なベイズ的アプローチであることが示されている。 近年,モンテカルロサンプリングの有望な手法として,プラグ・アンド・プレイアンプレイのランゲヴィンアルゴリズムが登場している。
  論文  参考訳（メタデータ） (2023-10-05T13:57:53Z)
• On the Contractivity of Plug-and-Play Operators [11.218821754886514]
  ノイズ・アンド・プレイの正規化では、ISTAやADMといったアルゴリズムの演算子をパワーラーに置き換える。 この形式的な置換は、実際は驚くほどうまく機能する。 実際は。 様々な画像応用の最先端の結果が示されている。
  論文  参考訳（メタデータ） (2023-09-28T23:58:02Z)
• Optimality Guarantees for Particle Belief Approximation of POMDPs [55.83001584645448]
  部分的に観測可能なマルコフ決定プロセス(POMDP)は、現実の意思決定と制御の問題に対する柔軟な表現を提供する。 POMDPは、特に状態と観測空間が連続的またはハイブリッドである場合、解決するのが非常に難しい。 本稿では,これらのアルゴリズムが使用する粒子フィルタリング手法の近似誤差を特徴付ける理論を提案する。
  論文  参考訳（メタデータ） (2022-10-10T21:11:55Z)
• 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)
• Recovery Analysis for Plug-and-Play Priors using the Restricted Eigenvalue Condition [48.08511796234349]
  本稿では, プラグアンドプレイ先行(ノイズ)の理論的回復保証の確立方法と, RED法による正規化について述べる。 以上の結果から,事前学習したアーティファクト除去ネットワークを用いたモデルの方が,既存の最先端手法と比較して有意に優れた結果が得られることが示唆された。
  論文  参考訳（メタデータ） (2021-06-07T14:45:38Z)
• Sampling-free Variational Inference for Neural Networks with Multiplicative Activation Noise [51.080620762639434]
  サンプリングフリー変動推論のための後方近似のより効率的なパラメータ化を提案する。 提案手法は,標準回帰問題に対する競合的な結果をもたらし,大規模画像分類タスクに適している。
  論文  参考訳（メタデータ） (2021-03-15T16:16:18Z)
• A Contrastive Learning Approach for Training Variational Autoencoder Priors [137.62674958536712]
  変分オートエンコーダ(VAE)は、多くの領域で応用される強力な可能性に基づく生成モデルの一つである。 VAEsが生成性に乏しいことの1つの説明は、事前の分布が集合の近似的な後部と一致しないという、事前の穴の問題である。 本研究では, 基底分布の積と再重み付け係数によって定義されるエネルギーベースの事前定義を行い, 基底を集合体後部へ近づけるようにした。
  論文  参考訳（メタデータ） (2020-10-06T17:59:02Z)
• Scalable Plug-and-Play ADMM with Convergence Guarantees [24.957046830965822]
  広範に使われている変種を漸進的に提案する。 ADMMアルゴリズムにより、大規模データセットにスケーラブルになる。 理論的には,集合的明示的な仮定の下で収束アルゴリズムを解析する。
  論文  参考訳（メタデータ） (2020-06-05T04:10:15Z)
• Generalized ODIN: Detecting Out-of-distribution Image without Learning from Out-of-distribution Data [87.61504710345528]
  我々は,OoD検出性能を改善しつつ,ニューラルネットワークをOoDデータのチューニングから解放する2つの方法を提案する。 具体的には、信頼性スコアリングと修正された入力前処理法を分離することを提案する。 大規模画像データセットのさらなる解析により、セマンティックシフトと非セマンティックシフトの2種類の分布シフトが有意な差を示すことが示された。
  論文  参考訳（メタデータ） (2020-02-26T04:18:25Z)

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。