Inverse problem regularization with hierarchical variational autoencoders

要約

この論文では、事前イメージとして深階層変分オートエンコーダ (HVAE) を使用して、不正設定逆問題を正規化することを提案します。
提案された方法は、i) デノイザー ベースのプラグアンドプレイ アプローチと 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統合します。
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 2 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 手法が、SOTA デノイザー 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 復元手法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