SP^3: Сферические априоры для Plug-and-Play восстановления

Аннотация

В данной статье мы представляем SP^3 — новый алгоритм типа Plug-and-Play, который ускоряет восстановление изображений по принципу максимума апостериорной вероятности, заменяя шумоподавители сферическими энкодерами (СЭ) в качестве генеративных априорных распределений. SP^3 аппроксимирует неразрешимый шаг проксимального априорного распределения, используя жёстко структурированное латентное пространство СЭ в качестве надёжной проекции на многообразие естественных изображений. Чередование этой проекции с этапом согласования данных в замкнутой форме, реализуемым через полуквадратичное расщепление, обеспечивает стабильную сходимость без необходимости вычисления градиента во время логического вывода. Такая уникальная формулировка открывает возможности восстановления «в любое время», позволяя получать чёткие правдоподобные изображения уже с первой итерации. Оценки на различных задачах восстановления изображений показывают, что SP^3 достигает перцепционного качества, сопоставимого с современными методами диффузии и потоков с zero-shot обучением, при этом работая в 3–630 раз быстрее.

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.