論文の概要: PG-DPIR: An efficient plug-and-play method for high-count Poisson-Gaussian inverse problems
- arxiv url: http://arxiv.org/abs/2504.10375v1
- Date: Mon, 14 Apr 2025 16:23:15 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-04-15 16:53:30.015252
- Title: PG-DPIR: An efficient plug-and-play method for high-count Poisson-Gaussian inverse problems
- Title（参考訳）: PG-DPIR:ポアソン-ガウス逆問題に対する効率的なプラグアンドプレイ法
- Authors: Maud Biquard, Marie Chabert, Florence Genin, Christophe Latry, Thomas Oberlin,
- Abstract要約: 本稿では,効率的なPG-DPIRを提案する。
ポアソン-ガウス逆問題、DPIRから適応。
衛星画像の復元と超解像問題に関する実験が行われた。
- 参考スコア（独自算出の注目度）: 4.879530644978008
- License:
- Abstract: Poisson-Gaussian noise describes the noise of various imaging systems thus the need of efficient algorithms for Poisson-Gaussian image restoration. Deep learning methods offer state-of-the-art performance but often require sensor-specific training when used in a supervised setting. A promising alternative is given by plug-and-play (PnP) methods, which consist in learning only a regularization through a denoiser, allowing to restore images from several sources with the same network. This paper introduces PG-DPIR, an efficient PnP method for high-count Poisson-Gaussian inverse problems, adapted from DPIR. While DPIR is designed for white Gaussian noise, a naive adaptation to Poisson-Gaussian noise leads to prohibitively slow algorithms due to the absence of a closed-form proximal operator. To address this, we adapt DPIR for the specificities of Poisson-Gaussian noise and propose in particular an efficient initialization of the gradient descent required for the proximal step that accelerates convergence by several orders of magnitude. Experiments are conducted on satellite image restoration and super-resolution problems. High-resolution realistic Pleiades images are simulated for the experiments, which demonstrate that PG-DPIR achieves state-of-the-art performance with improved efficiency, which seems promising for on-ground satellite processing chains.
- Abstract（参考訳）: Poisson-Gaussian ノイズは様々な画像システムのノイズを記述するため、Poisson-Gaussian 画像復元に効率的なアルゴリズムが必要である。
ディープラーニング手法は最先端のパフォーマンスを提供するが、教師付き環境で使用する場合、しばしばセンサー固有のトレーニングを必要とする。
有望な代替手段としてプラグイン・アンド・プレイ法(PnP)がある。これはデノイザを通じて正規化のみを学習し、同一のネットワークで複数のソースからのイメージを復元するものである。
本稿では,ポアソン-ガウス逆問題に対する効率的なPnP法であるPG-DPIRについて述べる。
DPIRは白色ガウス雑音に対して設計されているが、ポアソン・ガウス雑音への単純適応は、閉形式近位作用素が存在しないため、アルゴリズムを著しく遅くする。
これを解決するために,ポアソン・ガウス雑音の特異性にDPIRを適用し,特に数桁の収束を加速する近位ステップに必要な勾配勾配の効率的な初期化を提案する。
衛星画像の復元と超解像問題に関する実験が行われた。
実験では, PG-DPIRによる高精細リアルなPleiades画像のシミュレーションを行った。
関連論文リスト
- Closed-form Filtering for Non-linear Systems [83.91296397912218]
我々は密度近似と計算効率の面でいくつかの利点を提供するガウスPSDモデルに基づく新しいフィルタのクラスを提案する。
本研究では,遷移や観測がガウスPSDモデルである場合,フィルタリングを効率的にクローズド形式で行うことができることを示す。
提案する推定器は, 近似の精度に依存し, 遷移確率の正則性に適応する推定誤差を伴って, 高い理論的保証を享受する。
論文 参考訳（メタデータ） (2024-02-15T08:51:49Z) - Convergent Bregman Plug-and-Play Image Restoration for Poisson Inverse
Problems [8.673558396669806]
Plug-noise-and-Play (Play) 法は画像逆問題に対する効率的な反復アルゴリズムである。
2つ提案する。
Bregman Score gradient Denoise 逆問題に基づくアルゴリズム。
論文 参考訳（メタデータ） (2023-06-06T07:36:47Z) - Poisson-Gaussian Holographic Phase Retrieval with Score-based Image
Prior [19.231581775644617]
本稿では,スコア関数を先行生成関数とする高速化されたWirtinger Flow (AWF) を用いた新しいアルゴリズム"AWFS"を提案する。
PRの対数様関数の勾配を計算し、リプシッツ定数を決定する。
本稿では,提案アルゴリズムの臨界点収束保証を確立する理論的解析を行う。
論文 参考訳（メタデータ） (2023-05-12T18:08:47Z) - 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) - 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) - SAR Despeckling using a Denoising Diffusion Probabilistic Model [52.25981472415249]
スペックルの存在は画像品質を劣化させ、SAR画像理解アプリケーションの性能に悪影響を及ぼす。
本稿では,SAR脱種のための拡散確率モデルであるSAR-DDPMを紹介する。
提案手法は, 最先端の切り離し法と比較して, 定量化と定性化の両面で有意な改善を実現している。
論文 参考訳（メタデータ） (2022-06-09T14:00:26Z) - Denoising Generalized Expectation-Consistent Approximation for MRI Image
Recovery [19.497777961872448]
逆問題では、凸最適化のステップをアプリケーション固有のデノイザへの呼び出しに置き換えるプラグイン・アンド・プレイ(DNN)法が開発され、ディープニューラルネットワーク(DNN)を用いてしばしば実装されている。
このような手法は成功したが、改善できる。例えば、デノイザーは通常、ホワイトノイズを取り除くために設計・訓練されているが、ニューラルデノイザー入力誤差はホワイトやガウスから遠く離れている。
本稿では,各イテレーション毎に予測可能なエラー統計情報を提供するアルゴリズムと,それらの統計情報を活用する新しい画像デノワを提案する。
論文 参考訳（メタデータ） (2022-06-09T00:58:44Z) - Poisson2Sparse: Self-Supervised Poisson Denoising From a Single Image [34.27748767631027]
本稿では,単一画像の自己教師型学習手法を提案する。
繰り返しニューラルネットワークを用いた画像復調のための従来の反復最適化アルゴリズムを近似する。
提案手法はPSNRとSSIMの両面で最先端の手法より優れている。
論文 参考訳（メタデータ） (2022-06-04T00:08:58Z) - Unsupervised Single Image Super-resolution Under Complex Noise [60.566471567837574]
本稿では,一般のSISRタスクを未知の劣化で扱うためのモデルベースunsupervised SISR法を提案する。
提案手法は, より小さなモデル (0.34M vs. 2.40M) だけでなく, より高速な技術 (SotA) 法 (約1dB PSNR) の現況を明らかに超えることができる。
論文 参考訳（メタデータ） (2021-07-02T11:55:40Z) - Learning Sampling Policy for Faster Derivative Free Optimization [100.27518340593284]
ランダムサンプリングではなく,ZO最適化における摂動を生成するためのサンプリングポリシを学習する,新たな強化学習ベースのZOアルゴリズムを提案する。
その結果,ZO-RLアルゴリズムはサンプリングポリシを学習することでZO勾配の分散を効果的に低減し,既存のZOアルゴリズムよりも高速に収束できることが示唆された。
論文 参考訳（メタデータ） (2021-04-09T14:50:59Z) - 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)
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。