DDRM-PR: Fourier Phase Retrieval using Denoising Diffusion Restoration Models

要約

拡散モデルは、さまざまな逆問題を解決するための学習された事前分布としての有用性を実証しています。
ただし、既存のアプローチのほとんどは線形逆問題に限定されています。
この論文では、ノイズ除去拡散復元モデル (DDRM) の効率的で教師なし事後サンプリング フレームワークを利用して、フーリエ強度などのノイズを含む強度のみの測定値から画像を再構成する必要がある非線形位相回復問題を解決します。
このアプローチでは、モデルベースの交互投影法と DDRM を組み合わせて、位相回復に事前トレーニング済みの無条件拡散事前分布を利用します。
パフォーマンスはシミュレーションと実験データの両方を通じて実証されています。
結果は、交互投影法とその限界を改善するこのアプローチの可能性を示しています。

要約(オリジナル)

Diffusion models have demonstrated their utility as learned priors for solving various inverse problems. However, most existing approaches are limited to linear inverse problems. This paper exploits the efficient and unsupervised posterior sampling framework of Denoising Diffusion Restoration Models (DDRM) for the solution of nonlinear phase retrieval problem, which requires reconstructing an image from its noisy intensity-only measurements such as Fourier intensity. The approach combines the model-based alternating-projection methods with the DDRM to utilize pretrained unconditional diffusion priors for phase retrieval. The performance is demonstrated through both simulations and experimental data. Results demonstrate the potential of this approach for improving the alternating-projection methods as well as its limitations.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google