論文の概要: A convergent Plug-and-Play Majorization-Minimization algorithm for Poisson inverse problems

• arxiv url: http://arxiv.org/abs/2603.24156v1
• Date: Wed, 25 Mar 2026 10:25:20 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-26 21:06:11.245406
• Title: A convergent Plug-and-Play Majorization-Minimization algorithm for Poisson inverse problems
• Title（参考訳）: ポアソン逆問題に対する収束プラグ・アンド・プレイの偏極最小化アルゴリズム
• Authors: Thibaut Modrzyk, Ane Etxebeste, Élie Bretin, Voichita Maxim,
• Abstract要約: 本稿では,ポアソン逆問題に対する新しい変分プラグアンドプレイアルゴリズムを提案する。 提案手法は,Kullback-Leiblerデータ忠実度項と,事前学習ニューラルネットワークに基づく正規化項の和である明示的関数を最小化する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In this paper, we present a novel variational plug-and-play algorithm for Poisson inverse problems. Our approach minimizes an explicit functional which is the sum of a Kullback-Leibler data fidelity term and a regularization term based on a pre-trained neural network. By combining classical likelihood maximization methods with recent advances in gradient-based denoisers, we allow the use of pre-trained Gaussian denoisers without sacrificing convergence guarantees. The algorithm is formulated in the majorization-minimization framework, which guarantees convergence to a stationary point. Numerical experiments confirm state-of-the-art performance in deconvolution and tomography under moderate noise, and demonstrate clear superiority in high-noise conditions, making this method particularly valuable for nuclear medicine applications.
• Abstract（参考訳）: 本稿では,ポアソン逆問題に対する新しい変分プラグアンドプレイアルゴリズムを提案する。 提案手法は,Kullback-Leiblerデータ忠実度項と,事前学習ニューラルネットワークに基づく正規化項の和である明示的関数を最小化する。 古典的極大極大化法と近年の勾配型 denoiser の進歩を組み合わせることで、収束保証を犠牲にすることなく事前訓練された Gaussian denoiser を使用できる。 このアルゴリズムは、定常点への収束を保証する磁化最小化フレームワークで定式化される。 数値実験により、中程度の雑音下でのデコンボリューションおよびトモグラフィーの最先端性能を確認し、高雑音条件下での明らかな優位性を示し、核医学的応用に特に有用である。

関連論文リスト

• Learning Cocoercive Conservative Denoisers via Helmholtz Decomposition for Poisson Inverse Problems [28.0704928589881]
  我々は,コヒーレンシブ保守型(CoCo)デノイザーを提案するが,これは(残留)拡張性があり,デノイジングの改善につながる。 一般化されたヘルムホルツ分解を利用して、ハミルトン正則化と保守性を促進する新しいトレーニング戦略を導入する。
  論文  参考訳（メタデータ） (2025-05-13T19:00:55Z)
• Optimal sparse phase retrieval via a quasi-Bayesian approach [0.0]
  位相情報はアクセス不能のままでありながら、信号はその変換の大きさだけを使用して再構成する必要がある。 我々は,新しいスパース準ベイズ的アプローチを導入し,そのようなアプローチに対する最初の理論的保証を提供する。 この結果から,提案したベイズ推定器は準指数雑音下での最小最適収束率を達成することが確認された。
  論文  参考訳（メタデータ） (2025-04-13T10:21:35Z)
• Gradient Normalization Provably Benefits Nonconvex SGD under Heavy-Tailed Noise [60.92029979853314]
  重み付き雑音下でのグラディエントDescence(SGD)の収束を確実にする上での勾配正規化とクリッピングの役割について検討する。 我々の研究は、重尾雑音下でのSGDの勾配正規化の利点を示す最初の理論的証拠を提供する。 我々は、勾配正規化とクリッピングを取り入れた加速SGD変種を導入し、さらに重み付き雑音下での収束率を高めた。
  論文  参考訳（メタデータ） (2024-10-21T22:40:42Z)
• Stochastic Zeroth-Order Optimization under Strongly Convexity and Lipschitz Hessian: Minimax Sample Complexity [59.75300530380427]
  本稿では,アルゴリズムが検索対象関数の雑音評価にのみアクセス可能な2次スムーズかつ強い凸関数を最適化する問題を考察する。 本研究は, ミニマックス単純後悔率について, 一致した上界と下界を発達させることにより, 初めて厳密な評価を行ったものである。
  論文  参考訳（メタデータ） (2024-06-28T02:56:22Z)
• Convergent regularization in inverse problems and linear plug-and-play denoisers [3.759634359597638]
  Plug-and-play () denoisingは、逆画像復号器を用いて画像の問題を解くための一般的なフレームワークである。 可算収束正則化スキームが証明収束正則化スキームであるかどうかというような測定におけるノイズレベルがゼロになるので、収束解の性質についてはあまり分かっていない。 線形デノイザでは、明らかに正則化関数に対するデノイザの暗黙的な正則化が収束正則化スキームにつながることを示す。
  論文  参考訳（メタデータ） (2023-07-18T17:16:08Z)
• First Order Methods with Markovian Noise: from Acceleration to Variational Inequalities [91.46841922915418]
  本稿では,一階変分法の理論解析のための統一的アプローチを提案する。 提案手法は非線形勾配問題とモンテカルロの強い問題の両方をカバーする。 凸法最適化問題の場合、オラクルに強く一致するような境界を与える。
  論文  参考訳（メタデータ） (2023-05-25T11:11:31Z)
• 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)
• Gradient Step Denoiser for convergent Plug-and-Play [5.629161809575015]
  プラグイン・アンド・プレイの手法は、様々な画像問題に対して大きな視覚的パフォーマンスをもたらす可能性がある。 半四進法に基づく新しいタイプのPlug-and-Play法を提案する。 実験により、パフォーマンスを損なうことなく、そのような深い嫌悪者を学ぶことが可能であることが示されている。
  論文  参考訳（メタデータ） (2021-10-07T07:11:48Z)
• Scalable Variational Gaussian Processes via Harmonic Kernel Decomposition [54.07797071198249]
  汎用性を維持しつつ高い忠実度近似を提供する,スケーラブルな変分ガウス過程近似を導入する。 様々な回帰問題や分類問題において,本手法は変換やリフレクションなどの入力空間対称性を活用できることを実証する。 提案手法は, 純粋なGPモデルのうち, CIFAR-10 の最先端化を実現する。
  論文  参考訳（メタデータ） (2021-06-10T18:17:57Z)
• Stochastic Optimization with Heavy-Tailed Noise via Accelerated Gradient Clipping [69.9674326582747]
  そこで本研究では,重み付き分散雑音を用いたスムーズな凸最適化のための,クリップ付きSSTMと呼ばれる新しい1次高速化手法を提案する。 この場合、最先端の結果を上回る新たな複雑さが証明される。 本研究は,SGDにおいて,ノイズに対する光細かな仮定を伴わずにクリッピングを施した最初の非自明な高確率複雑性境界を導出した。
  論文  参考訳（メタデータ） (2020-05-21T17:05:27Z)

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。