本文經(jīng)AI新媒體量子位（公眾號ID:QbitAI）授權轉(zhuǎn)載，轉(zhuǎn)載請聯(lián)系出處。

隨著光學算法發(fā)展，如今我們用低維傳感器也能“捕獲”高維信號了。

舉個例子，這是我們用2D傳感器拍到的一張“照片”，看起來充滿了噪聲數(shù)據(jù)：

然而，正是通過這張“照片”所包含的數(shù)據(jù)，我們就能還原出一段動態(tài)的視頻來！

聽起來很神奇，但通過一種名叫快照壓縮成像（Snapshot Compressive Imaging, SCI）的方法，確實能實現(xiàn)。

這種方法能將高維數(shù)據(jù)作為二維測量進行采樣， 從而實現(xiàn)高效地獲取高維視覺信號。

以相機為例，雖然它是2D傳感器，但如果想辦法在相機鏡頭后加個數(shù)字微鏡器件測量設備 （Digital Micromirror Devices，DMD，這是一種能精確地控制光源的器件），就有辦法使普通的相機對高維數(shù)據(jù)進行降維測量，得到簡易的的2D數(shù)據(jù)，再還原出高維3D的視覺信號。

比如，普通的相機幀率很低，一秒最多只能拍幾十張照片（假設能拍30張）。

當我們想拍攝高速運動的物體時，只要給普通相機加上這個數(shù)字微鏡器件，它就會沿時間維度壓縮視頻信號，每拍到一張照片就能還原出來幾幀甚至幾十幀照片（也就是還原出來一段視頻）。

假設我們給數(shù)字微鏡器件預設的壓縮率是10，那么，現(xiàn)在拍一張照片就能還原出來10張照片（或者說是一段包含了10幀照片的視頻），而相機的幀率也直接翻了10倍，變成一秒能拍300張照片。

現(xiàn)在問題來了，要如何從這些含有噪聲的壓縮低維測量數(shù)據(jù)中，盡可能高效地恢復原始高維信號呢？

隨著深度學習發(fā)展，各種重建算法也都被提了出來，然而這些算法重建信號的準確性和穩(wěn)定性仍然不夠好。

為此，來自港大、中科院和西湖大學的研究人員，提出了一種用于視頻快照壓縮成像的Deep Equilibrium Models（DEQ）方法，目前已被AAAI 2023收錄：

這種方法不僅提升了重建準確度和穩(wěn)定性，還進一步優(yōu)化了內(nèi)存占用空間——

算法在訓練和測試中只需要常數(shù)級內(nèi)存，即：在使用深度學習時，它所消耗的內(nèi)存空間不隨網(wǎng)絡深度變化（而在使用傳統(tǒng)優(yōu)化方法時，它所消耗的內(nèi)存空間不隨迭代次數(shù)變化）。

一起來看看。

快照壓縮成像難點是什么？

受益于新穎光學硬件和成像算法的設計，快照壓縮成像（Snapshot Compressive Imaging, SCI）系統(tǒng)可以在一次快照測量中，將高維數(shù)據(jù)作為二維測量進行采樣， 從而實現(xiàn)高效地獲取高維視覺信號。

如圖1所示，SCI系統(tǒng)可以分為兩個部分，硬件編碼和軟件解碼：

△圖1. 快照壓縮成像系統(tǒng)使用低維傳感器在快照測量中捕獲高維數(shù)據(jù)

以拍攝視頻為例，通過硬件編碼，SCI系統(tǒng)對視頻數(shù)據(jù)進行采樣，在時間維度上壓縮；此后，采用算法來重建原始的高維視頻數(shù)據(jù)。

這里考慮視頻SCI系統(tǒng)，如視頻1所示，視頻上半部分展示的是SCI系統(tǒng)硬件部分得到的壓縮測量，視頻下半部分是使用該論文提出的算法恢復出來的視頻結果。

顯然，整個成像過程中需要求解一個逆問題：如何從含噪聲的壓縮測量中恢復視頻。

盡管目前已經(jīng)有很多重建方法可以求解SCI成像的逆問題，但這些方法各有缺陷，如圖2所示：?

△圖2. SCI重建的現(xiàn)有方法和主要問題

其中，傳統(tǒng)的優(yōu)化算法（a）性能有限。

而隨著深度學習的發(fā)展，端到端的深度網(wǎng)絡（b）和unfolding方法（c）雖然能提高性能，但不可避免地隨著層網(wǎng)絡深度的增加而遭受不斷增長的內(nèi)存占用需求，并且需要精心地設計模型。

即插即用（PnP）框架（d）雖然享受數(shù)據(jù)驅(qū)動正則化和靈活迭代優(yōu)化的優(yōu)點，但是這種算法必須通過適當?shù)膮?shù)設置來保證準確的結果，甚至需要采用一些復雜的策略來獲得令人滿意的性能。

相比于其他方法，論文提出了新算法DE-RNN和DE-GAP，來保證重建結果的準確性和穩(wěn)定性，其重建結果的性能可以收斂到一個較高水平，如圖3所示：

△圖3. DE-GAP與其他方法重建結果對比

通常來說，以往方法如RNN和PnP的重建結果不穩(wěn)定，甚至在長期迭代中性能變差。

但DE-GAP重建結果卻能隨著迭代次數(shù)的增加保持性能的提升，并最終收斂到穩(wěn)定的結果。

這是怎么做到的？

引入先進模型提升性能

為了解決以往方法存在的問題、實現(xiàn)更先進的SCI重建，這篇論文首次提出了一種新思路——

使用DEQ模型，解決視頻SCI重建的逆問題。

DEQ模型在2019年被首次提出，主要應用于自然語言處理中的大規(guī)模長序列語言處理任務。

如圖4所示，DEQ模型可以通過牛頓迭代法等求根方法，在前向傳播和反向傳播的過程中直接求解出不動點，從而僅使用常數(shù)級內(nèi)存就等效實現(xiàn)了無窮深網(wǎng)絡：

△圖4. DEQ模型的求解不動點方法（左）和常數(shù)級內(nèi)存占用（右）

（圖4出自論文：S. Bai et al, “Deep equilibrium models”, NeurIPS 2019.）

具體來說，這篇論文首次將DEQ模型應用于兩個現(xiàn)有的視頻SCI重建框架：RNN和PnP。

效果也非常不錯，RNN相當于僅使用常數(shù)級內(nèi)存實現(xiàn)了無窮深網(wǎng)絡，PnP等效于實現(xiàn)了無窮多迭代優(yōu)化步驟，并且在迭代優(yōu)化過程中直接求解不動點。

如圖5所示，論文為RNN和PnP分別設計了結合DEQ模型的迭代函數(shù)，這里x是重建結果，y是壓縮測量，Φ是測量矩陣：

△圖5. RNN和PnP分別結合DEQ模型后的迭代函數(shù)

（具體推導過程和前后向傳播的細節(jié)請見論文）

實驗結果如何？

論文在六個經(jīng)典的SCI數(shù)據(jù)集和真實數(shù)據(jù)上都進行了實驗，相較以往的方法，整體重建結果都要更好。

如表1顯示，平均而言，這種方法在PSNR實現(xiàn)了大約0.1dB的改善，SSIM實現(xiàn)了大約0.04的改善。SSIM的改進表明，這種方法可以重建具有相對精細結構的圖像：

△表1. 視頻SCI重建的六個經(jīng)典數(shù)據(jù)集上不同算法的PSNR（dB）和SSIM

圖6則是經(jīng)典數(shù)據(jù)集上不同算法的重建結果對比，在一些細節(jié)的呈現(xiàn)上更加流暢清晰：

△圖6

圖7則是真實數(shù)據(jù)上不同算法的重建結果對比，效果相比之下也要更好：

△圖7

更多實驗結果可見論文。

目前論文代碼已開源，感興趣的小伙伴們可以用起來了~

（文末還附上了作者的講解視頻，深入淺出）

論文地址：
??https://arxiv.org/pdf/2201.06931??

代碼地址：
??https://github.com/IndigoPurple/DEQSCI??
論文講解視頻by作者：
英語：https://www.bilibili.com/video/BV1X54y1g7D9/
中文：https://www.bilibili.com/video/BV1V54y137QK/
塑料粵語：https://www.bilibili.com/video/BV1224y1G7ee/