Provably Convergent Plug & Play Linearized ADMM, applied to Deblurring Spatially Varying Kernels

要約

プラグ アンド プレイ法は、逆問題を解決するために、近位アルゴリズムと事前ノイズ除去を組み合わせます。
これらの方法は、データ忠実度項の近位演算子の計算可能性に依存しています。
この論文では、線形化された ADMM に基づくプラグ アンド プレイ フレームワークを提案します。これにより、扱いにくい近位演算子の計算をバイパスできます。
アルゴリズムの収束を実証し、超解像や不均一なぼかしによるぼかし除去などの復元タスクの結果を提供します。

要約(オリジナル)

Plug & Play methods combine proximal algorithms with denoiser priors to solve inverse problems. These methods rely on the computability of the proximal operator of the data fidelity term. In this paper, we propose a Plug & Play framework based on linearized ADMM that allows us to bypass the computation of intractable proximal operators. We demonstrate the convergence of the algorithm and provide results on restoration tasks such as super-resolution and deblurring with non-uniform blur.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google