Tag · 3 篇
近端梯度下降
01 02 03
面向压缩感知的多尺度梯度引导展开架构与自适应 Mamba
Multi-Scale Gradient-Guided Unrolling Architecture with Adaptive Mamba for Compressive Sensing
把 Mamba 状态空间块嵌入 PGD 展开框架，用多尺度展开与高维梯度融合替代跨阶段同质化特征提取，为图像复原类逆问题提供兼顾全局感受野与效率的可解释网络骨架。
LRDUN：面向高效光谱压缩成像的低秩深度展开网络
LRDUN: A Low-Rank Deep Unfolding Network for Efficient Spectral Compressive Imaging
把低秩分解显式嵌入感知模型，使展开网络的每一阶段只在低维光谱基/子空间图像上做近端梯度更新，从而缓解 2D 残差映射回 3D 高光谱的病态性并降低计算量；这套「低秩感知模型 + 展开优化」思路可直接迁移到其他高维逆问题（视频快照压缩成像、多光谱去马赛克）。
超越单一解：面向图像压缩感知的多假设深度展开网络
Beyond Single Solution: Multi-Hypothesis Deep Unfolding Network for Image Compressive Sensing
把「单一解」的深度展开网络改成多假设协同展开：AlphaNet 为每个假设预测空间变化的步长，近端映射模块同时利用假设内与假设间相关性先验联合精修多个解，可直接迁移到其他病态逆问题的展开式求解器（去噪、去模糊、超分）中。