.png){kind=icon}
返回
SDIP: Self-reinforcement deep image prior framework for image processing
.png){kind=icon}
PRE
AI
DOI：10.1016/j.patcog.2025.111786.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
近期研究提出的深度图像先验（DIP）揭示了卷积神经网络（CNN）在捕获显著低层图像统计先验方面的固有特性。该框架高效地解决了图像处理中的反问题，并在多个领域引发了广泛的应用。在本文中，我们提出了自增强深度图像先验（SDIP）作为原始方法的改进版本。我们观察到，在每次迭代过程中，DIP网络的输入和输出变化高度相关。SDIP以强化学习的方式高效利用了这一发现，其中当前迭代的输出被引导算法用于更新下一轮迭代的网络输入，指导算法获得更优结果。跨多个应用领域的实验结果表明，我们提出的SDIP框架相较于原始DIP方法具有改进，尤其是在对应的反问题高度不适定的情况下。
Keyword:
Deep image prior
Inverse problem
Image reconstruction
Computer vision
Deep learning
Machine learning
期刊
IF:
7.6
论文数:
1.3W
被引数:
4.5W
机构
引用论文
KGSR: A kernel guided network for real-world blind super-resolutionKGSR: 一种用于现实世界盲超分辨率的内核引导网络.png)
PATTERN RECOGNITION
PATTERN RECOGNITIONIF7.6
PREAI
分享收藏分享收藏
The image moment method for the limited range CT image reconstruction and pattern recognitionPATTERN RECOGNITION
PATTERN RECOGNITIONIF7.6
PREAI
分享收藏Image super-resolution: A comprehensive review, recent trends, challenges and applicationsINFORMATION FUSION
INFORMATION FUSIONIF15.5
PREAI
分享收藏
查看更多内容