論文の概要: Single-Shot Plug-and-Play Methods for Inverse Problems
- arxiv url: http://arxiv.org/abs/2311.13682v2
- Date: Mon, 11 Nov 2024 15:31:02 GMT
- ステータス: 翻訳完了
- システム内更新日: 2024-11-12 14:03:50.226236
- Title: Single-Shot Plug-and-Play Methods for Inverse Problems
- Title(参考訳): 逆問題に対するシングルショットプラグアンドプレイ法
- Authors: Yanqi Cheng, Lipei Zhang, Zhenda Shen, Shujun Wang, Lequan Yu, Raymond H. Chan, Carola-Bibiane Schönlieb, Angelica I Aviles-Rivero,
- Abstract要約: 近年,逆問題におけるプラグイン・アンド・プレイの先行が注目されている。
既存のモデルは、主に大規模なデータセットを使用した事前訓練されたデノイザに依存している。
本研究では,最小限のデータを用いて逆問題に焦点を移す単一ショット摂動法を提案する。
- 参考スコア(独自算出の注目度): 24.48841512811108
- License:
- Abstract: The utilisation of Plug-and-Play (PnP) priors in inverse problems has become increasingly prominent in recent years. This preference is based on the mathematical equivalence between the general proximal operator and the regularised denoiser, facilitating the adaptation of various off-the-shelf denoiser priors to a wide range of inverse problems. However, existing PnP models predominantly rely on pre-trained denoisers using large datasets. In this work, we introduce Single-Shot PnP methods (SS-PnP), shifting the focus to solving inverse problems with minimal data. First, we integrate Single-Shot proximal denoisers into iterative methods, enabling training with single instances. Second, we propose implicit neural priors based on a novel function that preserves relevant frequencies to capture fine details while avoiding the issue of vanishing gradients. We demonstrate, through extensive numerical and visual experiments, that our method leads to better approximations.
- Abstract(参考訳): 近年, 逆問題におけるPlug-and-Play (PnP) の活用が注目されている。
この選好は、一般近位作用素と正規化デノイザの数学的等価性に基づいており、様々なオフ・ザ・シェルフデノイザの幅広い逆問題への適応を容易にする。
しかし、既存のPnPモデルは、主に大規模なデータセットを使用した事前訓練されたデノイザに依存している。
本研究では,最小限のデータを用いて逆問題に焦点を移すシングルショットPnP法(SS-PnP)を提案する。
まず、Single-Shot Proximal Denoiserを反復的なメソッドに統合し、単一インスタンスでのトレーニングを可能にします。
第二に、関連する周波数を保存して詳細を捉えつつ、勾配の消失を回避できる新しい機能に基づく暗黙的ニューラル先行法を提案する。
我々は、広範囲な数値および視覚実験を通して、我々の手法がより良い近似をもたらすことを実証する。
関連論文リスト
- You KAN Do It in a Single Shot: Plug-and-Play Methods with Single-Instance Priors [10.726369475010818]
我々はKologorov-Networks(KAN)をデノイザとして組み込んだ最適化フレームワークであるKankan-Playを紹介する。
Kan-Playは、単一ノイズしか観測できないシングルインスタンス逆の問題を解決するように設計されている。
論文 参考訳(メタデータ) (2024-12-09T04:55:18Z) - Inferring Neural Signed Distance Functions by Overfitting on Single Noisy Point Clouds through Finetuning Data-Driven based Priors [53.6277160912059]
本稿では,データ駆動型およびオーバーフィット型手法のプロースを推進し,より一般化し,高速な推論を行い,より高精度なニューラルネットワークSDFを学習する手法を提案する。
そこで本研究では,距離管理やクリーンポイントクラウド,あるいは点正規化を伴わずに,データ駆動型プリエントを微調整できる新しい統計的推論アルゴリズムを提案する。
論文 参考訳(メタデータ) (2024-10-25T16:48:44Z) - Denoising Pre-Training and Customized Prompt Learning for Efficient Multi-Behavior Sequential Recommendation [69.60321475454843]
マルチビヘイビアシークエンシャルレコメンデーションに適した,最初の事前学習および迅速な学習パラダイムであるDPCPLを提案する。
事前学習段階において,複数の時間スケールでノイズを除去する新しい行動マイナ (EBM) を提案する。
次に,提案するCustomized Prompt Learning (CPL)モジュールを用いて,事前学習したモデルを高効率にチューニングすることを提案する。
論文 参考訳(メタデータ) (2024-08-21T06:48:38Z) - Diffusion Prior-Based Amortized Variational Inference for Noisy Inverse Problems [12.482127049881026]
そこで本稿では, 償却変分推論の観点から, 拡散による逆問題の解法を提案する。
我々の償却推論は、測定結果を対応するクリーンデータの暗黙の後方分布に直接マッピングする関数を学習し、未知の計測でも単一ステップの後方サンプリングを可能にする。
論文 参考訳(メタデータ) (2024-07-23T02:14:18Z) - Improving Diffusion Inverse Problem Solving with Decoupled Noise Annealing [84.97865583302244]
Decoupled Annealing Posterior Smpling (DAPS) と呼ばれる新しい手法を提案する。
DAPSは、新しいノイズアニール法に依存している。
DAPSは複数の画像復元作業において,サンプル品質と安定性を著しく向上することを示した。
論文 参考訳(メタデータ) (2024-07-01T17:59:23Z) - One More Step: A Versatile Plug-and-Play Module for Rectifying Diffusion
Schedule Flaws and Enhancing Low-Frequency Controls [77.42510898755037]
One More Step (OMS) は、推論中に単純だが効果的なステップを付加したコンパクトネットワークである。
OMSは画像の忠実度を高め、トレーニングと推論の二分法を調和させ、元のモデルパラメータを保存する。
トレーニングが完了すると、同じ潜在ドメインを持つ様々な事前訓練された拡散モデルが同じOMSモジュールを共有することができる。
論文 参考訳(メタデータ) (2023-11-27T12:02:42Z) - 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) - 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) - Learning Frequency Domain Approximation for Binary Neural Networks [68.79904499480025]
フーリエ周波数領域における符号関数の勾配を正弦関数の組み合わせを用いて推定し,BNNの訓練を行う。
いくつかのベンチマークデータセットとニューラルネットワークの実験により、この手法で学習したバイナリネットワークが最先端の精度を達成することが示されている。
論文 参考訳(メタデータ) (2021-03-01T08:25:26Z) - Plug-and-Play external and internal priors for image restoration [0.0]
画像に作用するディープデノイザに基づく画像復元のための新しいアルゴリズムを提案する。
提案手法の有効性を実地医療環境のシミュレートにより検証し,ノイズ画像の復元に有効であることを示す。
論文 参考訳(メタデータ) (2021-02-15T12:19:28Z) - Anti-Aliasing Add-On for Deep Prior Seismic Data Interpolation [20.336981948463702]
問題に正則化項として方向ラプラシアンを加えることで,Deep Prior Inversionを改善することを提案する。
ノイズや破損したデータの存在下でも,この結果がエイリアスする傾向が低いことを示す。
論文 参考訳(メタデータ) (2021-01-27T12:46:58Z)
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。