Sign In

PnP-CM: Consistency Models as Plug-and-Play Priors for Inverse Problems

Created by
  • Haebom
Category
Empty

μ €μž

Merve Gulle, Junno Yun, Ya\c{s}ar Utku Al\c{c}alar, Mehmet Ak\c{c}akaya

πŸ’‘ κ°œμš”

λ³Έ μ—°κ΅¬λŠ” ν™•μ‚° λͺ¨λΈμ˜ μž₯점을 ν™œμš©ν•˜μ—¬ μ—­λ¬Έμ œ 해결을 μœ„ν•œ μƒˆλ‘œμš΄ μ ‘κ·Ό 방식인 PnP-CM을 μ œμ•ˆν•©λ‹ˆλ‹€. PnP-CM은 일관성 λͺ¨λΈ(CM)을 사전 정보(prior)의 κ·Όμ ‘ μ—°μ‚°μž(proximal operator)둜 μž¬ν•΄μ„ν•˜μ—¬, ν”ŒλŸ¬κ·Έμ•€ν”Œλ ˆμ΄(PnP) ν”„λ ˆμž„μ›Œν¬μ— ν†΅ν•©ν•©λ‹ˆλ‹€. 이λ₯Ό 톡해 적은 신경망 ν•¨μˆ˜ 평가(NFE)λ§ŒμœΌλ‘œλ„ κ³ ν’ˆμ§ˆμ˜ μ—­λ¬Έμ œ μž¬κ΅¬μ„±μ„ λ‹¬μ„±ν•˜λ©°, κΈ°μ‘΄ CM 기반 λ°©λ²•λ‘ μ˜ ν•œκ³„λ₯Ό κ·Ήλ³΅ν•©λ‹ˆλ‹€.

πŸ”‘ μ‹œμ‚¬μ  및 ν•œκ³„

β€’
일관성 λͺ¨λΈ(CM)을 ν”ŒλŸ¬κ·Έμ•€ν”Œλ ˆμ΄(PnP) ν”„λ ˆμž„μ›Œν¬μ— ν†΅ν•©ν•˜μ—¬, λ‹€μ–‘ν•œ μ„ ν˜• 및 λΉ„μ„ ν˜• μ—­λ¬Έμ œλ₯Ό 효과적으둜 ν•΄κ²°ν•  수 μžˆλŠ” ν†΅μΌλœ ν”„λ ˆμž„μ›Œν¬λ₯Ό μ œκ³΅ν•©λ‹ˆλ‹€.
β€’
적은 횟수의 신경망 ν•¨μˆ˜ 평가(NFE)λ§ŒμœΌλ‘œλ„ κ³ ν’ˆμ§ˆμ˜ μ—­λ¬Έμ œ μž¬κ΅¬μ„±μ΄ κ°€λŠ₯ν•˜λ©°, 특히 2λ‹¨κ³„λ§ŒμœΌλ‘œλ„ 의미 μžˆλŠ” κ²°κ³Όλ₯Ό λ„μΆœν•˜μ—¬ μ‹€μ œ μ‘μš© κ°€λŠ₯성을 λ†’μž…λ‹ˆλ‹€.
β€’
MRI 데이터에 CM을 처음으둜 μ μš©ν•˜κ³ , λ…Έμ΄μ¦ˆ 섭동 및 λͺ¨λ©˜ν…€ 기반 μ—…λ°μ΄νŠΈλ₯Ό 톡해 μ €NFE ν™˜κ²½μ—μ„œμ˜ μ„±λŠ₯을 λ”μš± ν–₯μƒμ‹œμΌ°μŠ΅λ‹ˆλ‹€.
β€’
ν–₯ν›„ μ—°κ΅¬μ—μ„œλŠ” PnP-CM의 λ³΅μž‘ν•œ λΉ„μ„ ν˜• λ¬Έμ œμ— λŒ€ν•œ ν™•μž₯μ„± 및 λ‹€μ–‘ν•œ μ‹€μ œ μ‘μš© λΆ„μ•Όμ—μ„œμ˜ 좔가적인 검증이 ν•„μš”ν•  수 μžˆμŠ΅λ‹ˆλ‹€.
πŸ‘
Made with Slashpage