Robustness and Exploration of Variational and Machine Learning Approaches to Inverse Problems: An Overview

要約

この論文は、変分法と機械学習を使用してイメージングにおける逆問題を解決するための現在のアプローチの概要を提供することを試みます。
特に焦点は、点推定量と敵対的な摂動に対するその堅牢性にあります。
これに関連して、1 次元のトイ 問題に対する数値実験の結果が提供され、さまざまなアプローチの堅牢性が示され、理論的な保証が経験的に検証されます。
このレビューのもう 1 つの焦点は、特定の意味論的特性またはテクスチャ特性を満たすための明示的なガイダンスを通じて、データ一貫性のあるソリューションの部分空間を探索することです。

要約(オリジナル)

This paper attempts to provide an overview of current approaches for solving inverse problems in imaging using variational methods and machine learning. A special focus lies on point estimators and their robustness against adversarial perturbations. In this context results of numerical experiments for a one-dimensional toy problem are provided, showing the robustness of different approaches and empirically verifying theoretical guarantees. Another focus of this review is the exploration of the subspace of data consistent solutions through explicit guidance to satisfy specific semantic or textural properties.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google