TPAMI 2024 | 无监督图像重建的孪生合作学习方法

题目：Siamese Cooperative Learning for Unsupervised Image Reconstruction From Incomplete Measurements

无监督图像重建的孪生合作学习方法

作者：Yuhui Quan; Xinran Qin; Tongyao Pang; Hui Ji

---

摘要

从不完整测量中重建图像是成像中的基本任务。尽管近年来有监督的深度学习已成为图像重建的强大工具，但其应用受限于需要大量潜在图像进行模型训练。为扩展深度学习在获取潜在图像具有挑战性的成像任务中的应用，本文提出了一种无监督的深度学习方法，该方法在训练深度模型进行图像重建时仅访问测量数据。我们开发了一种孪生网络，其双子网络在一对互补空间（测量矩阵的零空间和其伪逆的范围空间）上协同进行重建。孪生网络通过包含三个项的自监督损失进行训练：在范围空间中的数据一致性损失、在零空间中的中间结果数据一致性损失，以及在整个空间中对双子网络预测结果的互相一致性损失。该方法应用于来自不同应用的四个成像任务，广泛的实验表明其相对于现有无监督解决方案的优势。

关键词

• 深度学习
• 图像重建
• 孪生神经网络
• 无监督学习

I. 引言

从不完整线性测量中重建图像在许多成像任务中都有应用，如医学成像、多光谱成像和高速成像。它可以被表述为求解一个病态的线性逆问题：