#424
summarized by : 角田良太朗
Robust Equivariant Imaging: A Fully Unsupervised Framework for Learning To Image From Noisy and Partial Measurements

どんな論文か?

degraded imageから元画像を復元するunsupervisedな手法の1つにEquivalentImagingというものがあり、これはdegrade+restoreの合成写像が平行移動や回転といった作用と可換であることを利用し、いわばaugmentationのように学習に組み込む手法である。しかしこれはdegraded imageがノイズを含む場合に精度が急落するため、それを改善する。
placeholder

新規性

supervisedなMSEロスと期待値レベルで一致する、unsupervisedなSUREロスというものが知られており、これをEquivalentImagingで使われているロスと置き換える。本論文ではGausian,Poisson,MixedGaussianPoissonの3種類のノイズモデルに対してSUREロスを導出。

結果

MRI,inpainting,CT画像復元の3タスクにおいてsupervisedに近い精度を達成。特にノイズに強くなっていることを定性的定量的に示している。

その他(なぜ通ったか?等)

問題設定と解決法が非常に明快で率直。 ノイズモデルが既知でないと使えない点は不可避な欠点であるが、そもそもfully-supervisedな問題設定なので、事前知識がないと問題は解けないと著者は主張しており、確かにそうだなと思ったり。 https://github.com/edongdongchen/REI