Tag · 5 篇
逆问题求解
结合物理与深度生成先验求解标记 MRI 的非线性盲逆问题
Solving a Nonlinear Blind Inverse Problem for Tagged MRI with Physics and Deep Generative Priors
把 MR 成像物理前向模型与深度生成先验结合，在未知成像参数下盲估计高分辨率解剖图像并同时做 3D 微分同胚 Lagrangian 运动跟踪，这套「物理+生成先验」的盲非线性逆问题框架可迁移到其他带编码伪影的医学/科学成像复原与配准任务。
PnP-CM：一致性模型作为逆问题的即插即用先验
PnP-CM: Consistency Models as Plug-and-Play Priors for Inverse Problems
将一致性模型视为先验的近端算子，嵌入ADMM即插即用框架，为视觉逆问题（如MRI重建、超分、去模糊）提供无需任务特定训练、仅需2-4步NFE的通用求解器。
面向逆问题的离群点鲁棒扩散求解器
Outlier-Robust Diffusion Solvers for Inverse Problems
把 Huber 型迭代重加权最小二乘与共轭梯度求解嵌入扩散逆问题采样，为测量含离群点（如去噪、超分、修复中的坏像素/遮挡）时提供可直接替换的鲁棒求解器。
GSNR：用于逆问题的图平滑零空间表示
GSNR: Graph Smooth Null-Space Representation for Inverse Problems
GSNR 提供了一种在逆问题求解中显式约束零空间分量的通用机制，可即插即用地集成到 PnP、DIP 和扩散求解器中，为图像复原任务带来一致性的 PSNR 提升。
面向逆问题的对偶上升扩散方法
Dual Ascent Diffusion for Inverse Problems
把扩散模型先验下的 MAP 逆问题求解重构成对偶上升优化，可直接替换图像复原（去噪、去模糊、超分、修复）中常用的近似后验采样，在高噪声测量下更稳、更快、更贴合观测。