精选理由
无配对图像逆问题是实际应用中的常见难题，UOTIP 用非平衡最优传输优雅地解决了数据不配对和噪声鲁棒性问题，做医学成像或遥感图像恢复的团队值得关注。
UOTIP 提出了一种基于非平衡最优传输（UOT）的新方法，用于解决无配对图像逆问题。该方法通过引入基于似然的代价函数，学习从噪声测量分布到干净信号分布的传输映射，无需配对训练数据。UOT 框架通过放松精确边际约束，使模型对多级观测噪声、类别不平衡和多种噪声类型具有鲁棒性。理论分析表明，加入二次代价项可确保传输映射的存在性和唯一性。实验结果显示，UOTIP 在线性和非线性逆问题基准上均达到最先进性能。
AI 翻译 · 中文
UOTIP 提出了一种基于非平衡最优传输（UOT）的新方法，用于解决无配对图像逆问题。该方法通过引入基于似然的代价函数，学习从噪声测量分布到干净信号分布的传输映射，无需配对训练数据。UOT 框架通过放松精确边际约束，使模型对多级观测噪声、类别不平衡和多种噪声类型具有鲁棒性。理论分析表明，加入二次代价项可确保传输映射的存在性和唯一性。实验结果显示，UOTIP 在线性和非线性逆问题基准上均达到最先进性能。
We investigate unpaired image inverse problems, a challenging setting where only independent, non-paired sets of noisy measurements and clean target signals are available for training. We propose a novel inverse problem …