Inverse problem regularization with hierarchical variational autoencoders

要約

このホワイト ペーパーでは、深層階層型変分オートエンコーダ (HVAE) を事前イメージとして使用して、不適切な設定の逆問題を正則化することを提案します。
提案された方法は、i) ノイズ除去ベースのプラグ アンド プレイ アプローチ、および ii) 逆問題に対する生成モデル ベースのアプローチの利点を合成します。
まず、VAE プロパティを利用して、プラグ アンド プレイ (PnP) メソッドの収束保証の恩恵を受ける効率的なアルゴリズムを設計します。
第二に、私たちのアプローチは特殊なデータセットに限定されず、提案された PnP-HVAE モデルは、あらゆるサイズの自然画像の画像復元問題を解決できます。
私たちの実験は、提案された PnP-HVAE メソッドが、SOTA ノイズ除去ベースの PnP アプローチ、および生成モデルに基づく他の SOTA 復元メソッドの両方と競合することを示しています。

要約(オリジナル)

In this paper, we propose to regularize ill-posed inverse problems using a deep hierarchical variational autoencoder (HVAE) as an image prior. The proposed method synthesizes the advantages of i) denoiser-based Plug \& Play approaches and ii) generative model based approaches to inverse problems. First, we exploit VAE properties to design an efficient algorithm that benefits from convergence guarantees of Plug-and-Play (PnP) methods. Second, our approach is not restricted to specialized datasets and the proposed PnP-HVAE model is able to solve image restoration problems on natural images of any size. Our experiments show that the proposed PnP-HVAE method is competitive with both SOTA denoiser-based PnP approaches, and other SOTA restoration methods based on generative models.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google