Trainable Nonexpansive Denoisers for Contractive Image Reconstruction
Questo articolo introduce un'architettura di denoiser addestrabile che sfrutta le permutazioni del reticolo d'immagine per garantire la nonespansività globale, consentendo una ricostruzione dell'immagine provabilmente convergente per problemi inversi come la super-risoluzione e la deblurring, mantenendo al contempo prestazioni competitive.