Leveraging Phase Information to Boost Unrolled Network Learning for Image Deblurring

Resumen Técnico: UPADNet – Red de Descomposición de Fase y Amplitud Desenrollada para el Desenfoque de Imágenes

Planteamiento del Problema
El desenfoque de imágenes (deblurring) tiene como objetivo recuperar una imagen latente nítida ($u$) a partir de una observación borrosa y con ruido ($z$), típicamente modelada como una convolución lineal invariante en el desplazamiento corrompida por ruido aditivo ($z = h * u + n$). Aunque los enfoques de aprendizaje profundo han logrado un éxito significativo, a menudo sufren de limitaciones que incluyen una fuerte dependencia de grandes conjuntos de datos anotados, una generalización limitada ante diversas degradaciones del mundo real (por ejemplo, niveles de ruido variables, movimiento de cámara) y altos costos computacionales. Además, las redes profundas estándar suelen tratar la imagen como una variable espacial, lo que potencialmente ignora el papel crítico de la información de fase de Fourier, la cual codifica detalles estructurales y geométricos esenciales para la recuperación de imágenes nítidas.

Metodología
Los autores proponen UPADNet (Red de Descomposición de Fase y Amplitud Desenrollada), una arquitectura profunda impulsada por modelos que descompone explícitamente el problema de la restauración de imágenes en componentes de amplitud y fase en el dominio de Fourier. La metodología procede en tres etapas:

1. Estimación LMMSE de Amplitud y Fase:
   Reconociendo que las relaciones ingenuas en el dominio de Fourier (donde la amplitud es multiplicativa y la fase es aditiva) fallan bajo ruido e incertidumbre del núcleo, los autores derivan nuevos estimadores de Error Cuadrático Medio Lineal (LMMSE).

   • Formulan operadores lineales generalizados para estimar la amplitud ($\hat{A}_Z$) y la fase ($\hat{\theta}_Z$) de la observación borrosa.
   • El análisis teórico (Teoremas 1 y 2) demuestra que estos estimadores minimizan el error cuadrático esperado en comparación con los modelos multiplicativos/aditivos ingenuos al aprovechar los momentos estadísticos (medias, varianzas y covarianzas) de las distribuciones de amplitud y fase.

2. Optimización Iterativa mediante el Método de Dirección Alternante:
   Se desarrolla un algoritmo de optimización iterativo para recuperar la imagen nítida latente minimizando una función objetivo regularizada. Este objetivo impone consistencia estadística con los estimadores LMMSE derivados e incluye:

   • Términos de Fidelidad de Datos: Imponer consistencia entre la amplitud y la fase estimadas y las observadas.
   • Regularización: Regularización $\ell_1$ sobre la amplitud de la imagen ($M \circ A_U$) para promover la dispersión en el dominio de Fourier, y penalizaciones $\ell_2$ sobre los componentes del núcleo de desenfoque para asegurar la suavidad. Un término $\ell_1$ adicional sobre la fase de la imagen ($\theta_U$) impone simetría estructural.
   • Estrategia de Solución: El objetivo no convexo se resuelve utilizando División de Cuasi-Media (HQS), introduciendo variables auxiliares para desacoplar las penalizaciones no suaves. Esto resulta en una secuencia de subproblemas de forma cerrada para actualizar las variables de amplitud y fase.

3. Desenrollado en una Red Profunda (UPADNet):
   En lugar de utilizar parámetros estadísticos fijos, el algoritmo de optimización se "desenrolla" en una red profunda entrenable.

   • Arquitectura: Cada iteración del algoritmo de optimización corresponde a un UPADBlock. Un UPADBlock consiste en cuatro sub-bloques que actualizan secuencialmente la amplitud y la fase de la imagen latente ($A_U, \theta_U$) y el núcleo de desenfoque ($A_H, \theta_H$).
   • Parámetros Aprendibles: Las matrices estadísticas $\{W_i\}$ y el filtro del dominio de la frecuencia $M$, que teóricamente son fijos en las formulaciones clásicas, se aprenden de los datos.
   • Generador de Pesos: Un módulo ligero produce dinámicamente pesos y filtros específicos de cada iteración utilizando mecanismos como SimpleGate (SG) y Atención de Canal Simplificada (SCA).
   • Activación: Para aproximar los operadores proximales de umbral suave (soft-thresholding) asegurando un flujo de gradiente suave, los autores reemplazan ReLU con activaciones GELU.
   • Diseño Multiescala: Múltiples UPADBlocks se apilan con submuestreo y sobremuestreo intermedios para ampliar el campo receptivo efectivo.

Contribuciones Clave

• Descomposición de Fase-Amplitud: El artículo introduce un marco principista que modela y estima explícitamente tanto la amplitud como la fase en el dominio de Fourier, en lugar de restaurar la imagen espacial directamente.
• Nuevos Estimadores LMMSE: La derivación de estimadores lineales óptimos para la amplitud y la fase borrosas que superan las relaciones ingenuas de Fourier bajo ruido.
• Arquitectura UPADNet: El desarrollo de una red entrenable de extremo a extremo que desenrolla el algoritmo de optimización derivado, permitiendo que la red aprenda los parámetros estadísticos subyacentes directamente de los datos emparejados limpios y degradados.
• Robustez: El diseño apunta específicamente a la robustez en regímenes de alto ruido y datos limitados aprovechando la interpretabilidad de la optimización desenrollada y los sesgos estructurales de la información de fase.

Resultados Experimentales
Los autores evaluaron UPADNet en tres referentes: GoPro (desenfoque de movimiento sintético), RealBlur (sacudida de cámara del mundo real) y un conjunto de datos sintético COCO con ruido controlado y núcleos de movimiento.

• Desempeño: UPADNet logró resultados de vanguardia en GoPro (34.63 dB PSNR, 0.975 SSIM) y RealBlur (41.29 dB PSNR en RealBlur-R), superando a métodos recientes basados en transformadores (ej. Stripformer, FFTformer) y métodos basados en difusión.
• Eficiencia: El modelo utiliza solo 27M de parámetros, significativamente menos que los competidores de gran escala como AdaRevD (220M).
• Robustez al Ruido: En experimentos con ruido Gaussiano creciente ($\sigma = 0.01$ a $0.05$), UPADNet mantuvo un desempeño estable, mientras que otras redes desenrolladas y profundas mostraron una degradación significativa.
• Eficiencia de Datos: Al entrenar con proporciones de datos reducidas (hasta el 60% del conjunto de datos), UPADNet exhibió una caída de desempeño mínima en comparación con sus competidores, demostrando una generalización superior en regímenes de bajos datos.
• Ablación: Los estudios confirmaron que aumentar el número de bloques desenrollados (hasta 72) y utilizar activaciones GELU con una tasa de aprendizaje de $1\times10^{-3}$ produjo un desempeño óptimo.

Significancia y Reivindicaciones
El artículo afirma que el modelado explícito de la fase y la amplitud de Fourier es crucial para un desenfoque de imágenes de alta calidad, particularmente en escenarios desafiantes del mundo real. Al desenrollar un algoritmo de optimización derivado de la teoría LMMSE, UPADNet cierra la brecha entre la interpretabilidad de los métodos iterativos tradicionales y la adaptabilidad del aprendizaje profundo. Los autores sostienen que este enfoque ofrece una solución robusta que se generaliza bien a través de diversos tipos de desenfoque, niveles de ruido y datos de entrenamiento limitados, destacando el valor del modelado estructurado en el dominio de la frecuencia dentro de los marcos de desenrollado profundo.