SP^3: Sferische Priors voor Plug-and-Play Herstel

Samenvatting

In dit artikel introduceren wij SP^3, een nieuw Plug-and-Play-algoritme dat maximum a posteriori-beeldherstel versnelt door ruisonderdrukkers te vervangen door sferische encoders (SE) als generatieve voorkennis. SP^3 benadert de onhandelbare proximale voorkennisstap door de strak gestructureerde latente ruimte van de SE te gebruiken als een robuuste projectie op de natuurlijke beeldmanifold. Het afwisselen van deze projectie met een gesloten-vorm dataconsistentiestap, via half-kwadratische splitsing (Half-Quadratic Splitting), levert stabiele convergentie op zonder dat gradiëntberekening nodig is tijdens de inferentie. Deze unieke formulering maakt 'altijd-beschikbaar' herstel mogelijk, waarbij al vanaf de eerste iteratie scherpe, aannemelijke beelden worden gegenereerd. Evaluaties over een verscheidenheid aan beeldhersteltaken tonen aan dat SP^3 een perceptuele kwaliteit bereikt die vergelijkbaar is met state-of-the-art zero-shot diffusie- en stromingsmethoden, terwijl het 3 tot 630 keer sneller is.

English

In this paper, we introduce SP^3, a novel Plug-and-Play algorithm that accelerates maximum a posteriori image restoration by replacing denoisers with Spherical Encoders (SE) as generative priors. SP^3 approximates the intractable proximal prior step by utilizing the SE tightly structured latent space as a robust projection onto the natural image manifold. Alternating this projection with a closed-form data-consistency step, via Half-Quadratic Splitting, achieves stable convergence without requiring gradient computation during inference. This unique formulation unlocks "anytime" restoration capabilities, producing sharp, plausible images from the first iteration. Evaluations across a variety of image restoration tasks demonstrate that SP^3 achieves perceptual quality comparable to state-of-the-art zero-shot diffusion and flow methods while being 3-630times faster.