論文の概要: Deep Plug-and-Play HIO Approach for Phase Retrieval

• arxiv url: http://arxiv.org/abs/2411.18967v2
• Date: Fri, 17 Jan 2025 06:44:38 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-01-20 13:58:02.387110
• Title: Deep Plug-and-Play HIO Approach for Phase Retrieval
• Title（参考訳）: 位相検索のための深いプラグアンドプレイHIOアプローチ
• Authors: Cagatay Isil, Figen S. Oktem,
• Abstract要約: 位相探索問題では、強度のみの測定から未知の画像の復元が目的である。 最近の学習に基づくアプローチは、いくつかの逆問題に対する分析手法の強力な代替手段として現れている。 学習に基づく事前かつ効率的な更新ステップを活用する,新しいプラグイン・アンド・プレイアプローチが紹介されている。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: In the phase retrieval problem, the aim is the recovery of an unknown image from intensity-only measurements such as Fourier intensity. Although there are several solution approaches, solving this problem is challenging due to its nonlinear and ill-posed nature. Recently, learning-based approaches have emerged as powerful alternatives to the analytical methods for several inverse problems. In the context of phase retrieval, a novel plug-and-play approach that exploits learning-based prior and efficient update steps has been presented at the Computational Optical Sensing and Imaging topical meeting, with demonstrated state-of-the-art performance. The key idea was to incorporate learning-based prior to the Gerchberg-Saxton type algorithms through plug-and-play regularization. In this paper, we present the mathematical development of the method including the derivation of its analytical update steps based on half-quadratic splitting and comparatively evaluate its performance through extensive simulations on a large test dataset. The results show the effectiveness of the method in terms of both image quality, computational efficiency, and robustness to initialization and noise.
• Abstract（参考訳）: 位相探索問題では、フーリエ強度などの強度のみの測定から未知の画像を復元することが目的である。 解法はいくつかあるが、非線形で不適切な性質のため、この問題の解決は困難である。 近年,いくつかの逆問題に対する解析手法の強力な代替手段として,学習に基づくアプローチが出現している。 位相探索の文脈において、学習に基づく事前かつ効率的な更新ステップを利用する新しいプラグアンドプレイアプローチがComputational Optical Sensing and Imaging topical meetingで提示され、最先端のパフォーマンスが実証された。 鍵となるアイデアは、Gerchberg-Saxton型アルゴリズムに先立って、プラグインとプレイの正規化を通じて学習ベースを組み込むことであった。 本稿では,半四分法分割に基づく解析的更新ステップの導出を含む手法の数学的開発について述べるとともに,大規模なテストデータセット上での広範囲なシミュレーションにより,その性能を相対的に評価する。 その結果, 画像品質, 計算効率, 初期化および雑音に対する頑健性の両方の観点から, 提案手法の有効性が示された。

関連論文リスト

• SinSR: Diffusion-Based Image Super-Resolution in a Single Step [119.18813219518042]
  拡散モデルに基づく超解像(SR)法は有望な結果を示す。 しかし、それらの実践的応用は、必要な推論ステップのかなりの数によって妨げられている。 本稿では,SinSRという単一ステップのSR生成を実現するための,シンプルで効果的な手法を提案する。
  論文  参考訳（メタデータ） (2023-11-23T16:21:29Z)
• 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)
• Faster Adaptive Federated Learning [84.38913517122619]
  フェデレートラーニングは分散データの出現に伴って注目を集めている。 本稿では,クロスサイロFLにおけるモーメントに基づく分散低減手法に基づく適応アルゴリズム(FAFED)を提案する。
  論文  参考訳（メタデータ） (2022-12-02T05:07:50Z)
• Near-Exact Recovery for Tomographic Inverse Problems via Deep Learning [3.441021278275805]
  本稿では,反復的なエンドツーエンドネットワーク方式により,数値的精度に近い再構成が可能となることを示す。 また、オープンアクセスの実世界のデータセットLoDoPaB CT上で、最先端のパフォーマンスを実証する。
  論文  参考訳（メタデータ） (2022-06-14T10:06:41Z)
• Deep Active Learning with Noise Stability [24.54974925491753]
  ラベルのないデータの不確実性推定は、アクティブな学習に不可欠である。 本稿では,雑音の安定性を利用して不確実性を推定する新しいアルゴリズムを提案する。 本手法はコンピュータビジョン,自然言語処理,構造データ解析など,様々なタスクに適用可能である。
  論文  参考訳（メタデータ） (2022-05-26T13:21:01Z)
• Mining the manifolds of deep generative models for multiple data-consistent solutions of ill-posed tomographic imaging problems [10.115302976900445]
  断層撮影は一般的に逆問題である。 本稿では,トモグラフィ逆問題に対する複数の解を求める経験的サンプリング手法を提案する。
  論文  参考訳（メタデータ） (2022-02-10T20:27:31Z)
• Deep Learning Adapted Acceleration for Limited-view Photoacoustic Computed Tomography [1.8830359888767887]
  光音響計算トモグラフィ(PACT)は、PA信号検出のための超音波トランスデューサアレイでターゲットを照らすために、焦点のない大面積の光を使用する。 限定ビュー問題は、幾何学的条件の制限により、PACTの低画質の画像を引き起こす可能性がある。 数学的変動モデルとディープラーニングを組み合わせたモデルベース手法を提案する。
  論文  参考訳（メタデータ） (2021-11-08T02:05:58Z)
• Low-resolution Human Pose Estimation [49.531572116079026]
  低分解能ポーズ推定のための信頼意識学習(CAL)手法を提案する。 CALは、既存のオフセット学習手法の2つの基本的な制限に対処する: 一貫性のないトレーニングとテスト、分離されたヒートマップとオフセット学習。 提案手法は,低分解能人間のポーズ推定における最先端の手法よりも優れていた。
  論文  参考訳（メタデータ） (2021-09-19T09:13:57Z)
• Combining Deep Learning and Optimization for Security-Constrained Optimal Power Flow [94.24763814458686]
  セキュリティに制約のある最適電力フロー(SCOPF)は、電力システムの基本である。 SCOPF問題におけるAPRのモデル化は、複雑な大規模混合整数プログラムをもたらす。 本稿では,ディープラーニングとロバスト最適化を組み合わせた新しい手法を提案する。
  論文  参考訳（メタデータ） (2020-07-14T12:38:21Z)
• Rectified Meta-Learning from Noisy Labels for Robust Image-based Plant Disease Diagnosis [64.82680813427054]
  植物病は食料安全保障と作物生産に対する主要な脅威の1つである。 1つの一般的なアプローチは、葉画像分類タスクとしてこの問題を変換し、強力な畳み込みニューラルネットワーク(CNN)によって対処できる。 本稿では,正規化メタ学習モジュールを共通CNNパラダイムに組み込んだ新しいフレームワークを提案する。
  論文  参考訳（メタデータ） (2020-03-17T09:51:30Z)
• 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。