低サンプリング率でのCS復元向け効率的な深層畳み込みラプラシアンピラミッドアーキテクチャ

過去数年間、圧縮センシング（Compressed Sensing: CS）は、多くの画像信号が特定の領域で疎であるという特性を活用し、画像圧縮に成功裏に応用されてきました。これにより、いくつかのCS再構成モデルが提案され、優れた性能を達成しています。しかし、これらの方法は低サンプリング率の場合、ブロッキングアーティファクトやリング効果などの問題を引き起こすことが多くあります。この問題に対処するため、我々は深層畳み込みラプラシアンピラミッド圧縮センシングネットワーク（Deep Convolutional Laplacian Pyramid Compressed Sensing Network: LapCSNet）を提案します。LapCSNetはサンプリングサブネットワークと再構成サブネットワークから構成されています。サンプリングサブネットワークでは、畳み込み層を使用してサンプリング演算子を模倣します。伝統的なCS手法で使用される固定されたサンプリング行列とは異なり、我々の畳み込み層で使用されるフィルタは再構成サブネットワークとともに共同最適化されます。再構成サブネットワークでは、ラプラシアンピラミッドアーキテクチャを使用して多スケール残差画像と多スケール目標画像を段階的に再構成する2つの分岐が設計されています。提案されたLapCSNetは多スケール情報を統合することでより良い性能を達成するとともに、計算コストを大幅に削減します。ベンチマークデータセットでの実験結果は、提案手法が最先端の手法に対してより詳細な情報と鋭いエッジを再構成できる能力を持つことを示しています。