[論文レビュー] Bayesian Semi-Blind Deconvolution at Scale

Guillermina Senn, Håkon Tjelmeland+3 more|arXiv (Cornell University)|Jan 14, 2026

Advanced Image Processing Techniques被引用数 0

ひとこと要約

論文はベイズ的半盲 deconvolution を大規模問題に拡張し、周期格子上にモデルを埋め込み、FFT ベースの計算を用い、周辺ハミルトニアンモンテカルロのブラー更新を導入します。

ABSTRACT

Blind image deconvolution refers to the problem of simultaneously estimating the blur kernel and the true image from a set of observations when both the blur kernel and the true image are unknown. Sometimes, additional image and/or blur information is available and the term semi-blind deconvolution (SBD) is used. We consider a recently introduced Bayesian conjugate hierarchical model for SBD, formulated on an extended cyclic lattice to allow a computationally scalable Gibbs sampler. In this article, we extend this model to the general SBD problem, rewrite the previously proposed Gibbs sampler so that operations are performed in the Fourier domain whenever possible, and introduce a new marginal Hamiltonian Monte Carlo (HMC) blur update, obtained by analytically integrating the blur-image joint conditional over the image. The cyclic formulation combined with non-trivial linear algebra manipulations allows a Fourier-based, scalable HMC update, otherwise complicated by the rigid constraints of the SBD problem. Having determined the padding size in the cyclic embedding through a numerical experiment, we compare the mixing and exploration behaviour of the Gibbs and HMC blur updates on simulated data and on a real geophysical seismic imaging problem where we invert a grid with $300 imes50$ nodes, corresponding to a posterior with approximately $80,000$ parameters.

研究の動機と目的

• 半盲（semi-blind）情報が部分的に利用可能なまま、画像とブラーの両方が未知であるブラインドデコネvolution の問題に対処する。
• 拡張された周期格子上で実装された、スケーラブルなベイズフレームワークと半盲デコネvolution のサンプラーを開発する。
• 構造を活用するための FFT ベースの演算を可能にし、混合と探索を改善する周辺 HMC ブラー更新を提案する。
• 模擬データと高次元のポスタリオを持つ実際の地震イメージング問題でスケーラビリティを実証する。
• パディングサイズの実用的なガイドラインを提供し、收束と探索の観点で Gibbs 更新と HMC ブラー更新を比較する。

提案手法

• 拡張された周期格子上に階層ベイズモデルを定式化し、データ・ブラー・画像を厳密観測からの硬い制約とともに扱う。
• ブラーと画像の事前分布をガウス分布としてフーリエ領域表現を用い、線形代数と FFT ベースのサンプリングを高速化する。
• 硬い線形制約の下で共分散分解を明示せずに条件づけを Kriging で行い、サンプリングを実現する。
• 画像を積算することでブラーの更新を周辺 HMC によって新たに導出し、フーリエ領域で効率的にブラーをサンプリングする。
• エッジ効果を緩和するためにパディングを伴う周期的設定に問題を埋め込み、対数線形 FFT 計算を可能にする。
• 模擬データと 300×50 の地震サブグリッドで Gibbs 更新と HMC 更新を比較し、約 80k のポスタリアパラメータを持つ状況を検討する。

Figure 2 : Realizations from the marginal blur posteriors obtained with $\alpha=1$ and $\alpha=1$ for the $24\times 1$ dataset simulated from the model, for increasing number $m$ of exact image observations. Each line represents a posterior sample, with the posterior mean depicted by thicker solid l

実験結果

リサーチクエスチョン

• RQ1 高次元の画像とブラーパラメータに対して、半盲デコネvolution をどのようにスケーラブルに定式化できるか。
• RQ2 FFT ベースの更新を用いた周期格子上のモデル表現は、標準的な Gibbs サンプリングと比較して計算効率と混合を改善するか。
• RQ3 ブラーの周辺を画像を解析的に積分する周辺 HMC 更新は、SBD モデル下でブラー後の分布探索をより良く実現するか。
• RQ4 模擬データと実地地震データの両方で、パディングサイズと厳密観測がアルゴリズム性能に与える影響はどうか。
• RQ5 現実的なポスタリア次元を持つ大規模地球物理イメージング問題に対して、提案手法はどの程度機能するか。

主な発見

• フーリエベースのアプローチは、ソフト制約および硬制約の存在下でのスケーラブルなサンプリングを可能にする。
• フーリエ領域でサンプルされる周辺 HMC ブラー更新は、試験環境で Gibbs 更新より混合と探索を改善する。
• 方法は模擬データと、約 80k のポスタリアパラメータを持つ 300×50 の地震データセットで実証された。
• エッジアーティファクトを減らすためのパディングサイズは数値実験で決定された。
• このアプローチは、高次元のポスタリアでの不確実性定量化を伴う SBD のスケーラブルなベイズ解法を提供する。

(a) ESS.