BriefGPT - AI 论文速递
·
稀视图CT重建的深惯性L_p半二次分裂展开网络
💡
原文中文，约200字，阅读约需1分钟。
📝
内容提要
本研究探索了QN-Mixer算法和Incept-Mixer算法在影像反问题中的应用。实验证明该方法在SSIM和PSNR方面以及所需迭代次数减少方面超过了现有方法，达到了最先进的性能水平。
🎯
关键要点
- 本研究探索了QN-Mixer算法和Incept-Mixer算法在影像反问题中的应用。
- 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。
- 强调QN-Mixer算法与常见的一阶方法相比具有更快的收敛速度和较低的时间复杂度。
- 通过在稀疏视图CT问题上的实验证明了该方法在SSIM和PSNR方面的优越性。
- 所需的迭代次数减少，达到了最先进的性能水平。
🏷️
标签
➡️
