Buchumschlag

Learning Regularization Functionals for Inverse Problems: A Comparative Study

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Hertrich, Johannes, Wong, Hok Shing, Denker, Alexander, Ducotterd, Stanislas, Fang, Zhenghan, Haltmeier, Markus, Kereta, Željko, Kobler, Erich, Leong, Oscar, Salehi, Mohammad Sadegh, Schönlieb, Carola-Bibiane, Schwab, Johannes, Shumaylov, Zakhar, Sulam, Jeremias, Wache, German Shâma, Zach, Martin, Zhang, Yasi, Ehrhardt, Matthias J., Neumayer, Sebastian
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning Numerical Analysis Optimization and Control
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Data-driven approaches to inverse problems
von: Schönlieb, Carola-Bibiane, et al.
Veröffentlicht: (2025)

Trajectory Stitching for Solving Inverse Problems with Flow-Based Models
von: Denker, Alexander, et al.
Veröffentlicht: (2026)

A Stability Benchmark of Generative Regularizers for Inverse Problems
von: Denker, Alexander, et al.
Veröffentlicht: (2026)

Plug-and-Play Half-Quadratic Splitting for Ptychography
von: Denker, Alexander, et al.
Veröffentlicht: (2024)

Graph Neural Regularizers for PDE Inverse Problems
von: Lauga, William, et al.
Veröffentlicht: (2025)

Diffeomorphism-Equivariant Neural Networks
von: Oettinger, Josephine Elisabeth, et al.
Veröffentlicht: (2026)

Weakly Convex Regularisers for Inverse Problems: Convergence of Critical Points and Primal-Dual Optimisation
von: Shumaylov, Zakhar, et al.
Veröffentlicht: (2024)

Score-based Pullback Riemannian Geometry: Extracting the Data Manifold Geometry using Anisotropic Flows
von: Diepeveen, Willem, et al.
Veröffentlicht: (2024)

Learning of Patch-Based Smooth-Plus-Sparse Models for Image Reconstruction
von: Ducotterd, Stanislas, et al.
Veröffentlicht: (2024)

Convergence Properties of Score-Based Models for Linear Inverse Problems Using Graduated Optimisation
von: Fernsel, Pascal, et al.
Veröffentlicht: (2024)

Generative Feature Training of Thin 2-Layer Networks
von: Hertrich, Johannes, et al.
Veröffentlicht: (2024)

Hamiltonian Matching for Symplectic Neural Integrators
von: Canizares, Priscilla, et al.
Veröffentlicht: (2024)

Symplectic Neural Flows for Modeling and Discovery
von: Canizares, Priscilla, et al.
Veröffentlicht: (2024)

Learning Affine-Equivariant Proximal Operators
von: Savir, Oriel, et al.
Veröffentlicht: (2026)

What's in a Prior? Learned Proximal Networks for Inverse Problems
von: Fang, Zhenghan, et al.
Veröffentlicht: (2023)

Generalized Lie Symmetries in Physics-Informed Neural Operators
von: Wang, Amy Xiang, et al.
Veröffentlicht: (2025)

When is a System Discoverable from Data? Discovery Requires Chaos
von: Shumaylov, Zakhar, et al.
Veröffentlicht: (2025)

Lie Algebra Canonicalization: Equivariant Neural Operators under arbitrary Lie Groups
von: Shumaylov, Zakhar, et al.
Veröffentlicht: (2024)

Deep Image Prior for Computed Tomography Reconstruction
von: Arridge, Simon, et al.
Veröffentlicht: (2026)

Fast PET Reconstruction with Variance Reduction and Prior-Aware Preconditioning
von: Ehrhardt, Matthias J., et al.
Veröffentlicht: (2025)

Numerical Methods for Kernel Slicing
von: Rux, Nicolaj, et al.
Veröffentlicht: (2025)

Convolutional Proximal Neural Networks and Plug-and-Play Algorithms
von: Hertrich, Johannes, et al.
Veröffentlicht: (2020)

Beyond Scores: Proximal Diffusion Models
von: Fang, Zhenghan, et al.
Veröffentlicht: (2025)

Learning Binary Sampling Patterns for Single-Pixel Imaging using Bilevel Optimisation
von: Tudosie, Serban Cristian, et al.
Veröffentlicht: (2025)

Parseval Convolution Operators and Neural Networks
von: Unser, Michael, et al.
Veröffentlicht: (2024)

Multivariate Fields of Experts for Convergent Image Reconstruction
von: Ducotterd, Stanislas, et al.
Veröffentlicht: (2025)

Universal Architectures for the Learning of Polyhedral Norms and Convex Regularizers
von: Unser, Michael, et al.
Veröffentlicht: (2025)

Weakly Convex Ridge Regularization for 3D Non-Cartesian MRI Reconstruction
von: Wache, German Shâma, et al.
Veröffentlicht: (2026)

DEALing with Image Reconstruction: Deep Attentive Least Squares
von: Pourya, Mehrsa, et al.
Veröffentlicht: (2025)

CMAD: Cooperative Multi-Agent Diffusion via Stochastic Optimal Control
von: Barbano, Riccardo, et al.
Veröffentlicht: (2026)

A Guide to Stochastic Optimisation for Large-Scale Inverse Problems
von: Ehrhardt, Matthias J., et al.
Veröffentlicht: (2024)

Deep learning versus $\ell^1$-minimization for compressed sensing photoacoustic tomography
von: Antholzer, Stephan, et al.
Veröffentlicht: (2019)

Iterative Importance Fine-tuning of Diffusion Models
von: Denker, Alexander, et al.
Veröffentlicht: (2025)

Stochastic Primal-Dual Three Operator Splitting Algorithm with Extension to Equivariant Regularization-by-Denoising
von: Tang, Junqi, et al.
Veröffentlicht: (2022)

ProxT2I: Efficient Reward-Guided Text-to-Image Generation via Proximal Diffusion
von: Fang, Zhenghan, et al.
Veröffentlicht: (2025)

Adaptive Coordinate Transforms for Neural Operators
von: Liu, Chaoyu, et al.
Veröffentlicht: (2026)

Benchmarking learned algorithms for computed tomography image reconstruction tasks
von: Kiss, Maximilian B., et al.
Veröffentlicht: (2024)

I Bet You Did Not Mean That: Testing Semantic Importance via Betting
von: Teneggi, Jacopo, et al.
Veröffentlicht: (2024)

Stochastic Multiresolution Image Sketching for Inverse Imaging Problems
von: Perelli, Alessandro, et al.
Veröffentlicht: (2024)

Proximal Langevin Sampling With Inexact Proximal Mapping
von: Ehrhardt, Matthias J., et al.
Veröffentlicht: (2023)