[論文レビュー] Deep S$^3$PR: Simultaneous Source Separation and Phase Retrieval Using Deep Generative Models

Christopher A. Metzler, Gordon Wetzstein|arXiv (Cornell University)|Feb 13, 2020

Underwater Acoustics Research被引用数 4

ひとこと要約

この論文は、事前学習済みの生成モデルを事前分布として用いることで、同時的ソース分離および位相再構成（S³PR）問題を解くための新規手法Deep S³PRを提案する。ソース信号を事前学習済みジェネレータの潜在空間に制約することで、潜在変数最適化を用いて、非常に不定かつ非凸なS³PR問題を効率的に解き、ガウス分布、CDP、フーリエ前方モデルの各測定条件下で、強度測定のみから複数の画像を安定して再構成する。

ABSTRACT

This paper introduces and solves the simultaneous source separation and phase retrieval (S$^3$PR) problem. S$^3$PR is an important but largely unsolved problem in a number application domains, including microscopy, wireless communication, and imaging through scattering media, where one has multiple independent coherent sources whose phase is difficult to measure. In general, S$^3$PR is highly under-determined, non-convex, and difficult to solve. In this work, we demonstrate that by restricting the solutions to lie in the range of a deep generative model, we can constrain the search space sufficiently to solve S$^3$PR.

研究の動機と目的

• 散乱媒体画像やコherent顕微鏡などの応用分野において、非常に不定かつ非凸であるとされる同時的ソース分離および位相再構成（S³PR）問題を形式化し、解法を提示すること。
• 異なるソースからの強度成分が非常に類似しているため、従来の段階的アプローチ（ソース分離 → 位相再構成）が失敗する問題を解決すること。
• 深層生成モデルが、解空間を十分に制約できる強力で現実的な事前分布を提供することを示し、安定的かつ正確なS³PR再構成を可能にすること。
• 再トレーニングなしで、ガウス分布、CDP、フーリエなどの多様な前方モデルおよび混合サイズに一般化可能なソリューションを提供すること。
• 散乱媒体や角の裏側からの画像取得などの応用分野における今後の物理的検証の基盤を構築すること。

提案手法

• 本手法は、深層生成モデル G: R^k → R^n（k ≪ n）の潜在コードを用いてS³PRを最適化問題として定式化し、信号 x_l = G(z_l) を再構成する。
• データ適合性損失 ||y - ∑_l |A G(z_l)|²||²₂ を最小化することで問題を解き、潜在変数 z_1, ..., z_L に対して交互勾配降下法を用いる。
• フーリエ測定の場合、収束性を向上させるためにパーシバルの定理を用いて、フーリエ領域に再定式化する：||F⁻¹y - ∑_l G(z_l) ⋆ G(z_l)||²₂。
• 事前学習済み生成モデル（例：MNIST や Fashion-MNIST で学習済み）のインダクティブバイアスを活用し、解空間を正則化し、局所最適解を回避する。
• 本手法は前方モデルに依存せず、ガウス分布、CDP、フーリエ測定など、測定タイプにかかわらず、アーキテクチャの変更なしに一般化可能である。
• 最適化はランダムな潜在コードから開始し、勾配降下法を繰り返し適用して改善する。

実験結果

リサーチクエスチョン

• RQ1 深層生成モデルは、非常に不定かつ非凸なS³PR問題を解くために効果的な事前分布として機能するか？
• RQ2 生成モデルの出力範囲に解を制約することで、強度測定のみから複数のコherentソースを信頼性高く分離できるか？
• RQ3 異なる測定モデルおよびノイズレベルにおいて、Deep S³PRは段階的ソース分離と位相再構成（USS + PR）と比較してどの程度優れているか？
• RQ4 ガウス分布、CDP、フーリエなどの前方モデルおよびMNIST、Fashion-MNISTなどのデータセットタイプに、どの程度一般化できるか？
• RQ5 混合サイズやSNRが変化する条件下で、複数の画像を再構成する際のNMSEの定量的限界は何か？

主な発見

• すべての測定モデルにおいて、Deep S³PRは段階的USS + PRベースラインよりも顕著に低いNMSEを達成しており、ガウス測定下で2×MNISTのケースでは平均2.5倍の改善を示した。
• フーリエ測定において、Deep S³PRは4つのMNIST画像の再構成で平均NMSE 0.28 ± 0.06を達成したのに対し、USS + PRは0.87 ± 0.12にとどまり、実世界的で挑戦的な環境でも高いロバスト性を示した。
• CDP測定下では、2つのソースでFashion-MNIST画像の全体的な形状を成功裏に再構成できたが、混合数が増えるとアーチファクトが顕在化した。
• CDP測定下では、4画像混合でも誤差が低く（NMSE ≈ 0.14–0.28）維持されたのに対し、段階的アプローチは2画像混合で失敗した。
• 特にフーリエ測定において、自己相関を用いて損失関数をフーリエ領域に再定式化することで、収束性と安定性が向上した。
• 実験結果から、段階的USS + PRアプローチはフーリエ測定下でも2枚の画像で失敗するのに対し、Deep S³PRは4枚の画像まで効果的に機能することが確認された。