#207
summarized by : Shigekazu Takizawa
Effective Snapshot Compressive-Spectral Imaging via Deep Denoising and Total Variation Priors

どんな論文か?

ハイパースペクトル画像を1回で撮像するCoded-aperture Snapshot Spectral Imaging (CASSI)において、Deep denoisingと全変動(TV)を組み合わせるための新手法を提案。 従来のDeSCIは、初期値(GAP-TVの解)によって結果が変わるという問題があった。また、CNN (FFDNet)との組み合わせは、十分なパフォーマンスを示せていなかった。
placeholder

新規性

2種類のprior(FFDNetとTV)を用いた再構成をMAP推定として見て、それら2つに対応する事後分布の間のL2距離を最小化するようなハイパラを選ぶことで、最適なpriorを得るというアプローチが新しい。なお、この最適化問題は二次計画問題に帰着できる。 また、提案手法と、その加速付き版の収束についての理論的な解析も行なっている。

結果

数値シミュレーション(Bird, Toy, CAVEデータセット)、実際の測定データ(Bird)の両方において、本手法によって既存手法(GAP-TV、DeSCI)よりも高いPSNR, SSIMが得られた。また、単純にFFDNetとTVを順に適用するよりも、本手法を用いた方が優れていた。

その他(なぜ通ったか?等)

github: https://github.com/ucker/SCI-TV-FFDNet Plug-and-play (PnP)アルゴリズムと呼ばれるタイムのアルゴリズム全般に適用できる一般的なフレームワークである。 2つハイパラがあって、それぞれの取りうる範囲の値すべてについてFFDNetとTVの結果を一回計算する必要があるので、計算速度は遅いかもしれない。