重磅直播！ICML 2020杰出论文一作魏恺轩：免调试即插即用的近端优化算法

2020 年 7 月 19 日 极市平台

↑ 点击蓝字关注极市平台识别先机创造未来

| 极市线上分享第62期 |

一直以来，为让大家更好地了解学界业界优秀的论文和工作，极市已邀请了超过60位技术大咖嘉宾，并完成了61期极市线上直播分享，往期分享请前往bbs.cvmart.net/topics/149 或直接阅读原文，也欢迎各位小伙伴自荐或推荐更多多优秀的技术嘉宾到极市进行技术分享，与大家一起交流学习~~

几天前，ICML 2020杰出论文奖和杰出论文荣誉提名奖公布，北理工研二学生魏恺轩作为一作的论文获得了杰出论文奖。论文名为Tuning-free Plug-and-Play Proximal Algorithm for Inverse Imaging Problems。

该研究提出了一种免调参的 PnP 近端算法，支持自动设置内部参数，包括惩罚参数、去噪强度以及终止时间。开发了一个用于自动搜索参数的策略网络，该网络能够通过混合无模型和基于模型的深度强化学习来高效地学习参数。

本次直播由极市平台与中国图象图形学学会青年工作委员联合组织，我们重磅邀请到论文一作：北京理工大学研究生魏恺轩，为我们深度解读论文相关工作。

直播信息

时间：2020年7月22日（周三）20:00~21:00

主题

免调试即插即用的近端优化算法

Tuning-free Plug-and-Play Proximal Algorithm for Inverse Imaging Problems

嘉宾介绍

魏恺轩

北京理工大学硕士生，指导老师为付莹教授。研究方向为计算摄影学、计算成像学、计算机低层视觉。

更多信息见个人主页：

kxwei.net

关于分享

➤分享背景

即插即用（PnP）隐式先验是在过去十年中开发的概念。PnP的基本思想是优化过程中图像降噪和近端计算之间的相似性。如今，PnP代表了计算成像中的一类主流算法，其应用包括但不限于核磁共振成像，计算机断层扫描，显微成像甚至黑洞成像。然而，尽管PnP取得了巨大的成功，但它仍然存在一个主要缺陷，那就是需要手动调整包括噪声强度，终止时间在内的参数。在不同的成像条件下往往需要截然不同的参数设置才能达到令人满意的性能。我们的工作引入了免调试的PnP近端算法，该算法可以自适应地针对不同的成像条件自动确定参数。我们方法的关键部分是开发一个用于参数自动搜索的策略网络，可以通过深度强化学习有效地进行学习。我们通过大量的实验证明，所学习的策略通常能生成高效的参数，相较于先前的手工策略展示出更快的收敛速度和更好的性能。我们同时在线性和非线性的逆成像问题中验证了算法的有效性，即在压缩感知核磁共振成像和相位恢复上展现了优越的性能。

Tuning-free Plug-and-Play Proximal Algorithm for Inverse Imaging Problems

论文地址:

https://arxiv.org/abs/2002.09611

➤分享大纲

1. 背景知识（即插即用的近端优化算法、逆成像问题、图像重构/复原）

2. 存在的核心挑战/问题

3. 我们的方法

4. 实验分析与结果展示

5. 总结与展望

参与方式