[論文レビュー] Denoising based Vector Approximate Message Passing

Philip Schniter, Sundeep Rangan+1 more|arXiv (Cornell University)|Nov 4, 2016

Sparse and Compressive Sensing Techniques参考文献 5被引用数 15

ひとこと要約

本稿では、非i.i.I.D.測定行列においても優れた画像再構成性能を達成する、D-AMPとVAMPを統合したロバストな圧縮画像復元アルゴリズムD-VAMPを提案する。BM3Dなどの高度なノイズ除去器をVAMPフレームワーク内に組み込むことで、測定行列がi.i.d.-Gaussian仮定から逸脱しても、高い性能と安定性を維持でき、劣悪な条件でもD-AMPを上回る性能を示す。

ABSTRACT

The denoising-based approximate message passing (D-AMP) methodology, recently proposed by Metzler, Maleki, and Baraniuk, allows one to plug in sophisticated denoisers like BM3D into the AMP algorithm to achieve state-of-the-art compressive image recovery. But AMP diverges with small deviations from the i.i.d.-Gaussian assumption on the measurement matrix. Recently, the vector AMP (VAMP) algorithm has been proposed to fix this problem. In this work, we show that the benefits of VAMP extend to D-VAMP.

研究の動機と目的

• 非i.i.d.測定行列（非ゼロ平均や軽度の悪条件行列を含む）下でのD-AMPの不安定性を解消すること。
• 元々i.i.d.-Gaussian行列を想定して設計されたVAMPのロバスト性を、ノイズ除去ベースのD-AMPフレームワークへ拡張すること。
• D-AMPの高い性能を保ちつつ、実用的で非理想的な測定条件下でも安定性を向上させるハイブリッドアルゴリズムD-VAMPの開発。
• D-VAMPが低サンプリング比や悪条件行列を含む多様な画像再構成シナリオにおいて、高い再構成品質と計算効率を維持しているかの検証。

提案手法

• D-AMPフレームワークとベクトルAMP（VAMP）を統合し、標準的なAMP更新をVAMP互換のメッセージパッシング構造に置き換える。
• 各反復で平均がゼロで分散が既知のi.i.d.ガウスノイズで汚された信号を生成する疑似測定モデルを採用し、BM3Dなどの外部ノイズ除去器を任意に適用可能にする。
• VAMPの自動チューニング手法を採用して、事前知識がなくてもノイズ分散を推定し、実用性を向上させる。
• D-VAMPアルゴリズムでスパース係数ベクトルを回復した後、逆ウェーブレット変換により画像推定値を構築する。
• i.i.d.-Gaussian仮定を一般化し、厳密な状態推移解析を可能にする右回転不変測定行列モデルを採用する。
• 各反復でプラグイン型ノイズ除去器（例：BM3D）を適用し、スパース係数ベクトルの推定値を改善する。

実験結果

リサーチクエスチョン

• RQ1 VAMPのロバスト性をノイズ除去ベースのD-AMPフレームワークへ拡張することで、非i.i.d.測定行列下でも安定性が向上するか？
• RQ2 さまざまなサンプリング比におけるi.i.d.-Gaussian測定行列下で、D-AMPと比較してD-VAMPのPSNRと実行時間はどの程度か？
• RQ3 測定行列が悪条件化した場合、D-AMPと比較してD-VAMPの性能はどの程度劣化するか？
• RQ4 VAMPにBM3Dノイズ除去を統合することで、低サンプリングレートでも高品質な画像再構成が維持されるか？
• RQ5 VAMPの自動チューニング機構をD-AMPフレームワークに効果的に適用でき、ノイズ分散の事前知識が不要になるか？

主な発見

• 10%のサンプリング比で、D-VAMPはPSNR 25.2 dB、実行時間10.4秒を達成し、i.i.d.-Gaussian行列下のD-AMPと同等の性能を示した。
• 50%のサンプリング比では、D-VAMPはPSNR 37.7 dB、実行時間8.8秒を達成し、PSNRではD-AMPをわずかに上回りつつ、速度は同等を維持した。
• 条件数10^4の悪条件行列下では、D-VAMPはPSNR 20.0 dBを維持したが、D-AMPは完全に失敗（PSNR < 7.2 dB）した。
• 条件数10^3の下では、D-VAMPはPSNRが4.4 dB低下（24.8 dB → 20.4 dB）したが、D-AMPは7.2 dB未満に急低下し、強いロバスト性を示した。
• VAMPベースの手法（D-VAMPを含む）は、特に低サンプリング比下でℓ1-AMPやℓ1-VAMPよりも安定性に優れ、D-AMPをPSNR面で上回った。
• D-VAMPの実行時間はすべてのテスト条件下で一貫しており、悪条件性下でもわずかに増加するにとどまり、計算上のロバスト性を示した。