MrD's Blog

我干了什么究竟拿了时间换了什么

【机器学习】Proximal Gradient Descent

Composite functions 假设： \[f(x) = g(x) + h(x)\] $g$ 是凸的，可微的， $\text{dim}(g) = \mathbb{R}^n$ $h$ 是凸的，不一定可微如何 $f$ 是可微的，梯度下降更新为： \[x^+ = x - t · \nabla f(x)\] 最小化 $x$ 附近的 quadratic approx...

Posted by ShawnD on August 23, 2022

【机器学习】Convexity I: Sets and Functions

凸优化问题是以下形式： \[\min_{x \in D} f(x) \quad \text{subject to} \quad g_i(x) \leq 0, i = 1, ..., m \quad h_j(x) = 0, j=1, ..., r\] 其中 $f$ 和 $g_i, i =1, …, m$ 都是凸的， $h_j, j=1, …, r$ 是 affine。特殊的性质：任意...

Posted by ShawnD on August 23, 2022

【深度学习】USR-DU：Learning Degradation Uncertainty for Unsupervised Real-world Image Super-resolution

Abstract 获取成对的高分辨率(HR)图像获取退化图像往往具有挑战性，阻碍了图像超分辨率在实际应用中的发展。通过生成逼真的低分辨率(LR)图像，使其退化程度与现实场景类似，可以构建模拟的成对LR- HR数据进行监督训练。然而，现有的研究大多忽略了生成的真实LR图像的退化不确定性，因为给定一张HR图像只生成一张LR图像。为了解决这一弱点，作者提出学习生成的LR图像的退化不确...

Posted by ShawnD on August 22, 2022

【深度学习】Noise Distribution Adaptive Self-Supervised Image Denoising using Tweedie Distribution and Score Matching

Abstract Tweedie分布是 exponential dispersion 模型的一种特殊情况，通常作为广义线性模型的分布在经典统计中使用。这里，作者展示了 Tweedie 分布在深度学习时代也扮演者重要角色，使得在没有 clean reference images 情况下实现 distribution adaptive self-supervised image den...

Posted by ShawnD on August 22, 2022

【机器学习】ADMM 推导与总结

参考1 ADMM 一般用于求解如下带有等式约束的凸优化问题： \[\min_{x, z} f(x) + g(z) \quad \text{s.t.} \quad Ax + Bz = c \tag{1}\] $(1)$ 的增广拉格朗日函数为： \[L_p(x, z, \lambda) = f(x) + g(z) + \lambda^\top (Ax + Bz - c) + \frac{...

Posted by ShawnD on August 21, 2022

【深度学习】PnP-HSI：Deep plug-and-play priors for spectral snapshot compressive imaging

Abstract 这篇文章提出了一种即插即用(PnP)方法，使用基于深度学习的去噪作为光谱快照压缩成像(SCI)的正则化先验。该方法在重构质量和速度权衡方面是有效的，并且足够灵活，可以用于不同的压缩编码机制。作者在两个模拟和五个不同的光谱SCI系统中展示了效率和灵活性，并表明提出的深度PnP先验可以通过一个基于优化框架的简单插件实现最先进的结果。这为在一个快照中捕获和恢复多光谱...

Posted by ShawnD on August 20, 2022

【深度学习】LSM：Uncertainty Learning in Kernel Estimation for Multi-Stage Blind Image Super-Resolution

Abstract 传统的盲超分辨算法首先从低分辨率图像中估计未知的退化信息，然后利用退化信息进行图像重建。这种顺序的方法有两个根本的弱点——即缺乏鲁棒性(当估计的退化不准确时，性能会下降)和缺乏透明度(网络架构是启发式的，没有结合领域知识)。为了解决这些问题，作者提出了一种联合最大后验概率(MAP)方法来同时估计 unknown kernel 和高分辨率图像。该方法首先在 bl...

Posted by ShawnD on August 20, 2022

【深度学习】IDR: Self-Supervised Image Denoising via Iterative Data Refinement

Abstract 由于缺乏大规模的 noisy-clean 图像对，限制了监督去噪方法在实际应用中的应用。虽然现有的无监督方法能够在没有真实 clean 图像的情况下学习图像去噪，但它们要么表现出较差的性能，要么在不切实际的设置下工作(例如，成对的噪声图像)。这篇文章提出了一种实用的无监督图像去噪方法，以达到最先进的去噪性能。该方法只需要单个噪声图像和一个噪声模型，在实际的原始...

Posted by ShawnD on August 19, 2022

【深度学习】DeepRFT：Deep Residual Fourier Transformation for Single Image Deblurring

Abstract 在端到端图像去模糊体系结构中，采用ResBlock是一种常见的做法，它学习模糊和清晰图像对之间的区别。从模糊图像重建一个清晰的图像需要改变关于低频和高频信息。传统的ResBlock虽然对图像的高频分量有较好的捕捉能力，但往往忽略了低频信息。此外，ResBlock通常不能准确地对长距离信息进行建模，而长距离信息在从模糊图像中重建清晰图像时是 non-trivia...

Posted by ShawnD on August 18, 2022

【深度学习】UHDM：Towards Efficient and Scale-Robust Ultra-High-Definition Image Demoireing

Abstract 随着移动设备的快速发展，现代广泛使用的手机通常允许用户捕捉4K分辨率(即超高清)的图像。然而，对于 low-level 视觉中具有挑战性的图像demoireing，现有的工作多是在低分辨率或合成图像上进行的。因此，这些方法在4K分辨率图像上的有效性仍然未知。这篇文章研究了一种用于超高清图像的 moire pattern 去除方法。为此，作者提出了第一个超高...

Posted by ShawnD on August 17, 2022