QN-Mixer：一种用于稀疏视 CT 重建的拟牛顿 MLP-Mixer 模型
原文中文，约300字，阅读约需1分钟。发表于：。通过引入基于准牛顿方法的 QN-Mixer 算法和非局部正则化因子 Incept-Mixer，本研究在求解影像反问题方面探索了深层次二阶展开算法，强调其与常见的一阶方法（如梯度下降）相比更快的收敛速度和较低的时间复杂度，并通过在稀疏视图 CT 问题上的实验证明了我们的方法在 SSIM 和 PSNR 方面以及所需展开迭代次数减少方面都超过了现有方法，达到了最先进的性能水平。
该研究提出了一种算法，结合了随机梯度下降和拟牛顿法，通过维护和操作每个贡献函数的独立 Hessian 近似值实现不同方法的统一。该算法适用于高维度优化问题，通过存储和操作在一个共享的、时变的、低维度子空间中的二次近似值，保持了计算可行性和限制了内存需求。算法已发布为开源软件包。
