随机生成式即插即用先验

即插即用（PnP）方法通过将去噪器纳入优化算法，被广泛用于求解成像逆问题。基于分数的扩散模型（SBDM）近来通过在广泛噪声水平上训练的去噪器展现出强大的生成性能。尽管二者同样依赖去噪器，但如何在不依赖反向扩散采样的情况下，系统地将 SBDM 用作 PnP 框架内的先验，仍不清楚。本文建立了 PnP 的基于分数的解释，为在 PnP 算法中直接使用预训练 SBDM 提供了依据。基于这一联系，我们提出了随机生成式 PnP（SGPnP）框架，该框架使用随机重加噪来更好地利用预训练 SBDM 广泛的噪声水平条件化，显著提升严重不适定逆问题的重建质量。我们证明，噪声注入会在高斯平滑目标上诱导优化，并在适当条件下能够避开严格鞍点。在多线圈 MRI 重建和大掩膜自然图像修复等具有挑战性的逆任务上的实验表明，该方法相较传统 PnP 方法取得了一致提升，并达到了与基于扩散的求解器相竞争的性能。

中文由 AI 翻译，仅供参考，以原文为准。