LRDUN: A Low-Rank Deep Unfolding Network for Efficient Spectral Compressive Imaging

1. El Problema: Imágenes Espectrales Compresivas (SCI)

La Imagen Espectral Compresiva (SCI), y en particular sistemas como CASSI (Coded Aperture Snapshot Spectral Imaging), permiten capturar datos hiperespectrales (HSI) en una sola toma, comprimiendo la información 3D (espacio + espectro) en una medición 2D. Sin embargo, la reconstrucción del HSI original a partir de estas mediciones comprimidas es un problema inverso severamente mal planteado (ill-posed).

Los métodos actuales, especialmente las Redes de Despliegue Profundo (DUNs), que son el estado del arte (SOTA), enfrentan dos limitaciones críticas:

1. Redundancia Computacional: Operan directamente sobre el cubo de datos HSI completo de alta dimensión, lo que genera una carga computacional masiva.
2. Mal planteamiento (Ill-posedness): Intentan mapear residuos 2D de vuelta al espacio 3D del HSI en cada etapa de la red, lo que crea una brecha dimensional enorme y dificulta la convergencia óptima.

2. Metodología Propuesta: LRDUN

Los autores proponen LRDUN, una red que reformula fundamentalmente el modelo de adquisición integrando la descomposición de bajo rango (Low-Rank, LR) directamente en el modelo de sensado, en lugar de tratarlo solo como un regularizador posterior.

A. Nuevos Modelos de Imagen (Basis y Subespacio)

En lugar de reconstruir el HSI completo $X$, el método descompone la imagen en dos componentes de baja dimensión basados en la propiedad de bajo rango de los HSI:

• Base Espectral ($E$): Captura las correlaciones espectrales globales y las firmas dependientes del material.
• Imágenes de Subespacio ($A$): Codifican las estructuras espaciales de alta frecuencia y la dispersión espectral local.

La relación se modela como $X = A \times_3 E$. Esto permite reformular el problema de optimización original (que busca $N = H \times W \times B$ incógnitas) en dos subproblemas mucho más pequeños y manejables: estimar $E$ (tamaño $B \times k$) y $A$ (tamaño $H \times W \times k$), donde $k \ll B$ es el rango físico.

B. Marco de Optimización Desplegada (PGD)

Se formula un problema de optimización conjunta que alterna entre la fidelidad de los datos y los priores aprendidos. Se utiliza un algoritmo de Descenso de Gradiente Proximal (PGD) desplegado en una red neuronal:

• Problema E: Actualización de la base espectral.
• Problema A: Actualización de las imágenes de subespacio.
  Cada iteración del algoritmo se convierte en una etapa (stage) de la red, alternando entre pasos de fidelidad de datos (físicos) y módulos de prior aprendibles (redes neuronales).

C. Mecanismo de Despliegue de Características Generalizado (GFUM)

Una contribución clave es el GFUM, que resuelve un cuello de botella común en las redes desplegadas: el acoplamiento entre el rango físico ($k$) y la dimensionalidad de las características de la red.

• Funcionamiento: Eleva las variables de optimización de dimensión $k$ a un espacio de características de dimensión $C$ (donde $C \ge k$).
• Componentes: Separa la información en una parte física ($k$ dimensiones, para fidelidad de datos) y una parte auxiliar ($C-k$ dimensiones).
• Beneficio: La parte auxiliar actúa como un portador de información complementaria (ruido, artefactos, detalles de alta frecuencia, información de la máscara), permitiendo que las redes de prior (ProxyNets) operen en espacios de características más ricos sin violar las restricciones físicas del modelo.

D. Arquitectura de la Red

• ProxyNet E: Una arquitectura ligera 1D con convoluciones y descomposición QR para mantener la ortonormalidad de la base espectral.
• ProxyNet A: Una arquitectura tipo U-Net que utiliza bloques de atención convolucional espacial (SCAB) con un campo receptivo grande (11x11) para capturar dependencias espaciales de largo alcance.

3. Contribuciones Clave

1. Reformulación del Modelo: Derivación de dos nuevos modelos de imagen de baja dimensión (Base Espectral y Subespacio) que transforman el problema SCI mal planteado en subproblemas tratables, mitigando la ambigüedad inherente.
2. LRDUN: Desarrollo de una red de despliegue profundo que resuelve conjuntamente estos subproblemas, combinando la intuición física con el aprendizaje profundo.
3. GFUM: Introducción de un mecanismo flexible que desacopla el rango físico de la dimensionalidad de las características, mejorando significativamente la capacidad de representación de la red.
4. Eficiencia y Rendimiento: Logro de calidad de reconstrucción SOTA con una reducción drástica en el costo computacional (FLOPs) y parámetros en comparación con los métodos existentes.

4. Resultados Experimentales

Los autores evaluaron LRDUN en conjuntos de datos simulados (CAVE, KAIST) y reales (mediciones CASSI).

• Rendimiento Cuantitativo:
  • En datos simulados, LRDUN-9stg alcanzó un PSNR promedio de 40.96 dB y un SSIM de 0.982, superando a los métodos SOTA como RDLUF, MiJUN y DPU.
  • Eficiencia: A pesar de superar en calidad a métodos como RDLUF y MiJUN, LRDUN requiere significativamente menos operaciones (FLOPs). Por ejemplo, LRDUN-9stg tiene ~30.58 GFLOPs frente a los ~115 GFLOPs de RDLUF-9stg, logrando una mejor relación precisión-eficiencia.
• Rendimiento en Datos Reales:
  • El modelo entrenado solo con datos simulados (LRDUN-9stg simu) se aplicó directamente a mediciones reales sin ajuste fino (fine-tuning), demostrando una generalización excepcional y preservando estructuras espaciales finas donde otros métodos fallaban.
• Estudios de Ablación:
  • Se demostró que la estrategia de descomposición LR es superior a usar normas nucleares o SVD truncado.
  • El GFUM es crucial: al aumentar la dimensión de características $C$ más allá del rango físico $k$, la calidad de reconstrucción mejora notablemente.
  • El módulo SCAB (atención espacial) es vital para recuperar detalles texturales finos.

5. Significado e Impacto

El trabajo de LRDUN establece un nuevo paradigma para la reconstrucción de imágenes espectrales compresivas:

• Cambio de Paradigma: En lugar de tratar el bajo rango como un regularizador externo, lo integra en el núcleo del modelo de sensado, reduciendo la dimensionalidad del problema desde el inicio.
• Interpretabilidad y Eficiencia: Al desplegar un algoritmo de optimización basado en física, la red mantiene la interpretabilidad mientras logra una eficiencia computacional superior, haciéndola viable para aplicaciones en tiempo real o en dispositivos con recursos limitados.
• Generalización: La capacidad de funcionar bien en datos reales sin reentrenamiento sugiere que el modelo físico subyacente captura la esencia del problema mejor que las redes puramente basadas en datos.

En resumen, LRDUN demuestra que la combinación inteligente de modelos físicos de bajo rango y arquitecturas de redes profundas flexibles (vía GFUM) puede superar las limitaciones de los métodos actuales, ofreciendo reconstrucciones de alta fidelidad con un costo computacional mínimo.