画像における逆問題は、長年にわたってさまざまな戦略、ツール、および理論が蓄積されてきた分野であり、広範に研究されています。最近では、深層学習技術の出現によりこの分野が大きく影響を受けました。本論文の焦点となる一つの貢献は、Ulyanov, Vedaldi, および Lempitsky (2018) による Deep Image Prior (DIP) の研究です。DIP は、逆問題の正則化に新しいアプローチを提供しており、回復された画像が特定の深層構造から合成されるように強制することで得られます。DIP は非監督アプローチとして非常に効果的であることが示されていますが、最先端の代替手法と比較すると結果がまだ不足している面があります。本研究では、明示的な事前情報（prior）を追加することで DIP を向上させることを目指しています。これにより全体的な正則化効果が豊かになり、より良い回復画像を得ることができます。具体的には、Regularization by Denoising (RED) の概念を導入することを提案します。RED は既存のノイズ除去器（denoiser）を使用して逆問題を正則化する方法です。当該研究では、DIP と RED の両方を組み合わせて非常に効果的な非監督回復プロセスを実現し、選択したノイズ除去器の微分を行う必要なく優れた結果を得られる方法について示しています。これは複数のテスト問題で確認されました。以上のように翻訳しました。ご確認ください。