圧縮センシングに着想を得た自己教師あり単一ピクセル撮像

arXiv cs.CV / 2026/4/1

📰 ニュースSignals & Early TrendsModels & Research

共有:

要点

本論文は、従来手法が物理的な疎性（sparsity）制約を十分に備えていないこと、また局所特徴と大域特徴の両方を十分に活用できていないことに対処する、単一ピクセル撮像のための圧縮センシングに着想を得た自己教師あり手法SISTA-Netを提案する。
SISTA-Netは、ISTAアルゴリズムを解釈可能なネットワークへアンフォールディングすることで構築され、データ整合性モジュールと近接写像モジュールから成る。整合性の段階では、再構成の忠実度を高めるためにハイブリッドCNN–Visual State Space Model（VSSM）を用いる。
本手法は、深い非線形の適応的疎変換に加え、学習可能なソフトしきい値演算子を用いて潜在領域に対して明示的な物理的疎性を課す。これにより、極めて低いサンプリング率においてノイズ抑制と頑健性が向上する。
複数のシミュレーションにおける実験では、最先端手法に対する平均PSNRの改善が2.6 dBであることが示され、さらに実世界の遠距離（far-field）での海中環境テストでは平均PSNRが3.4 dB改善し、干渉への耐性を裏付ける結果となった。