Reconstruct Anything Model (RAM): 計算イメージングのための軽量汎用モデル

技術的サマリー（日本語）

本論文は、ICLR 2026 にて発表された「Reconstruct Anything Model (RAM)」という、計算イメージングにおける広範な逆問題（Inverse Problems）を解決するための新しい軽量かつ汎用的な深層学習モデルを提案しています。既存の手法の限界を克服し、教師あり学習から自己教師あり学習（ゼロショット）まで、多様なタスクで最先端（SOTA）の性能を実現するアーキテクチャを特徴としています。

1. 背景と課題 (Problem)

計算イメージング（MRI、CT、顕微鏡、低光子イメージングなど）における逆問題は、一般的に以下の形式で記述されます。
$$y \sim p(y|Ax)$$
ここで、$x$ は復元すべき画像、$y$ は観測データ、$A$ は取得物理（前方演算子）、$p$ はノイズ分布です。

既存の学習ベースの手法には主に 2 つのクラスがあり、それぞれに課題がありました：

1. 反復アルゴリズム（Plug-and-Play, Diffusion モデル等）:
   • 事前学習されたデノイザーを利用するが、計算コストが高く、推論が遅い。
   • 反復処理によりぼやけ（blur）が生じたり、最適化が不完全になることがある。
2. アンロール型アーキテクチャ（Unrolled Architectures）:
   • 最適化アルゴリズムをニューラルネットに展開したもので、特定のタスクに特化してエンドツーエンドで訓練される。
   • 汎用性が低く、入力チャンネル数（グレースケール、カラー、複素数）やタスクが変わるとモデルの再訓練が必要になる。また、パラメータ数と計算量（FLOPs）が膨大になる傾向がある。

RAM が解決する課題:

• 反復処理なしで高速かつ高精度な復元を行う。
• 単一のモデルで、グレースケール、カラー、複素数データ、および多様なノイズモデル（ガウス、ポアソン等）を扱える。
• 教師なし（Ground-truth なし）での微調整（Fine-tuning）が可能である。

2. 提案手法 (Methodology)

RAM は、既存の高性能デノイザーである DRUNet をベースとしつつ、測定演算子 $A$ と観測データ $y$ の物理的知識を効率的に統合する新しいアーキテクチャを提案しています。

主要な構成要素

1. プロキシマル推定モジュール (Proximal Estimation Module):

   • 入力 $y$ を適切な画像ドメインにマッピングする最初のステップです。
   • 単純な $A^\top y$（ぼやけやすい）や $A^\dagger y$（ノイズに敏感）の中間として、正則化パラメータ $\lambda$ を用いたプロキシマルステップ（式 4）を採用します。これにより、ノイズレベルに応じた安定した初期推定値を生成します。

2. クリロフ部分空間モジュール (Krylov Subspace Module, KSM):

   • これが RAM の中核となる改良点です。従来のアンロール型ネットワークが反復的に勾配ステップを計算する代わりに、KSM は特徴マップに対して前方演算子 $A$ の知識を条件付けます。
   • 具体的には、$A^\top A$ のべき乗（Power iterations）を特徴マップに適用し、その線形結合係数（$\alpha_k, \beta_k$）を学習させます（式 5）。
   • これにより、最適化アルゴリズムの核心的な操作をアーキテクチャ内に効率的に埋め込み、反復処理なしで最適化の恩恵を得ることができます。

3. マルチスケール演算子条件付け (Multiscale Operator Conditioning):

   • 逆問題の ill-posed 性（解の不安定性）はグリッドが細かいほど増大します。
   • 多グリッド法（Multigrid methods）に触発され、粗いグリッド上で定義された前方演算子 $A_s$ を用いて条件付けを行います。これにより、計算コストを抑えつつ、安定した処理を実現します。

4. ノイズ条件付けと共有レイヤー:

   • ガウスノイズレベル $\sigma$ とポアソン - ガウスノイズモデルのゲイン $\gamma$ を入力として条件付けます。
   • 入力チャンネル数（1 色、3 色、複素数）の違いは、入力・出力層と KSM 内のエンコーダ/デコーダのみで対応し、モデルの大部分の重みはすべてのモダリティで共有されます。

3. 学習戦略 (Training)

教師あり学習 (Supervised Training)

• 多様なタスク（デブラリング、MRI、CT、インペインティング、超解像など）とデータセット（LSDIR, LIDC-IDRI, fastMRI）を同時に学習します。
• 異なるノイズ分布（ガウス、ポアソン）や測定演算子 $A$ を含むタスクを統合的に学習させることで、モデルの汎化能力を高めています。
• 損失関数には $\ell_1$ ノルムを使用し、ノイズレベルに応じた重み付けを行い、タスク間のバランスを調整しています。

自己教師あり微調整 (Self-Supervised Finetuning)

• Ground-truth が存在しない実データに対しても適用可能です。
• 観測データ $y$ のみを用いて微調整を行い、測定整合性（Measurement Consistency）と Nullspace での情報欠損を補う損失関数（SURE, Splitting loss, Equivariant Imaging loss など）を最適化します。
• 数枚の画像（場合によっては 1 枚のみ）から微調整が可能であり、数分で完了します。

4. 実験結果 (Results)

RAM は、広範なベンチマークで既存の手法を上回る性能を示しました。

• In-Distribution タスク（訓練分布内）:

  • デブラリング: 反復型手法（DPIR, DDRM）やアンロール型手法（uDPIR）と比較して、非反復モデルとして最高クラスの性能を達成しました。
  • MRI & CT: fastMRI および LIDC-IDRI データセットにおいて、すべてのベースライン（PDNet, uDPIR, Restormer など）を凌駕し、より詳細な構造を復元しました。
  • 計算効率: 反復型手法（uDPIR や DDRM）に比べ、推論時間が約 3.7 倍〜120 倍高速であり、メモリ使用量も大幅に削減されています。

• Out-of-Distribution タスク（訓練分布外）:

  • ゼロショット性能: 訓練データとは異なるタスク（例：ポアソンノイズ付き CT、マルチコイル MRI）に対しても、微調整なしで高い性能を発揮しました。
  • 自己教師あり微調整: 実世界のデータ（Sentinel-2 衛星画像、Cryo-EM、LinoSPAD）において、Ground-truth なしで数枚の画像から微調整を行うことで、PnP や Diffusion ベースの手法を大きく上回る結果を得ました。

• 盲推定と非線形問題への拡張:

  • 前方演算子 $A$ が未知の「盲デブラリング」や、位相回復（Phase Retrieval）のような非線形問題に対しても、既存の手法を組み合わせることで安定した結果を得ています。

• 不確実性定量化 (Uncertainty Quantification):

  • 等価ブートストラップ法を用いてピクセルごとの誤差推定を行い、拡散モデル（DDRM）よりもはるかに少ない計算量で、より正確に不確実性を定量化できることを示しました。

5. 主な貢献と意義 (Contributions & Significance)

1. 軽量かつ汎用的な基盤モデルの提案:
   • 36M パラメータという比較的小さなモデルサイズで、多様な画像モダリティ（グレースケール、カラー、複素数）と逆問題（MRI, CT, 光学など）を統一的に処理できる「Reconstruct Anything Model」を実現しました。
2. 反復処理なしの高速推論:
   • 従来のアンロール型や PnP 手法が抱える「反復計算による遅延」を解消し、最適化アルゴリズムの利点を単一のフォワードパスで実現しました。
3. 自己教師あり学習による実用性の向上:
   • 医療や科学イメージングで一般的に不足している Ground-truth データがなくても、少量の観測データから即座に適応できる自己教師あり微調整の枠組みを確立しました。
4. アーキテクチャ設計の新たな指針:
   • 最適化アルゴリズムの構造（クリロフ部分空間など）をニューラルネットの条件付けメカニズムとして統合することで、従来の UNet 系モデルと最適化ベースのモデルの長所を両立させることを示しました。

結論:
RAM は、計算イメージングの分野において、特定のタスクに特化したモデルの構築から、汎用的な基盤モデルの学習と、その後の自己教師あり微調整による適応へとパラダイムシフトを促す重要な成果です。特に、Ground-truth が得にくい科学・医療分野における実用的な画像復元技術として大きな可能性を秘めています。