Trainable Nonexpansive Denoisers for Contractive Image Reconstruction

あなたは、一部のピースが欠けていたり、持っているピースが静電気（ノイズ）で覆われていたりする、巨大で散らかったパズルを解こうとしているところだと想像してください。これは、「計算イメージング（computational imaging）」という科学分野の日常です。この分野は、ぼやけた写真を綺麗にしたり、MRIスキャンを修正したり、あるいは細部をピクセル化された塊のようにすることなく、極小のディテールをズームアップしたりすることに専念しています。このパズルを解くための秘密兵器は、**デノイザー（denoiser）**と呼ばれる特別な種類の数学的な「消しゴム」です。デノイザーを、ノイズの乗った画像を見て、そのクリーンなバージョンがどうあるべきかを推測する、超スマートなエディター（編集者）だと考えてください。

長年、科学者たちはディープラーニングを用いて、コンピュータにこれらのエディターになるよう教えてきました。これは、何百万もの例を用いてデジタルな脳を訓練することに似ています。しかし、問題があります。コンピュータに画像を修正するために繰り返し作業をさせたとき、デジタルな脳が混乱したり、奇妙なパターンを幻覚として作り出したり、あるいは答えを見つけられずに永遠に空回りしたりすることがあるのです。これを防ぐために、研究者たちはエディターの周囲に「安全なケージ（檻）」を作る必要があります。つまり、エディターが真実からさらに遠ざかるような動きを決してしないように保証しなければなりません。この論文は、デノイザーを「天才的なエディター」であると同時に「完璧に従順なロボット」でもあり、暴走することのないよう構築するという、非常にトリッキーな問題に取り組んでいます。

問題点：野生のエディター

画像再構成の世界では、「プラグ・アンド・プレイ（Plug-and-Play: PnP）」と呼ばれる手法がよく使われます。古い傷だらけの写真を修復しようとしている場面を想像してください。あなたには「ルールブック（写真がどのように損傷したかを示す数学）」と「魔法のエディター（デノイザー）」があります。推測を行い、ルールブックを適用し、次に魔法のエディターにそれを綺麗にするよう頼みます。これを何度も繰り返します。

問題は、ほとんどの魔法のエディターが「野生」であることです。彼らは写真を綺麗にすることには非常に長けていますが、「画像が以前よりも混沌とした状態にしてはいけない」という厳格なルールを持っていません。もし野生のエディターにループの中で作業をさせると、誤って新しいノイズを生み出したり、画像を歪ませたりして、プロセス全体を失敗させてしまう可能性があります。

一部の研究者は、トレーニング中に「あまり無茶なことはしないで」と伝えるような「ソフトな」制約をエディターに課すことで、これを修正しようとしました。しかし、これは犬に対して「見ている時だけ座っていなさい」と言うようなものです。一度目を離すと、犬はテーブルに飛び乗ってしまうかもしれません。これらの手法は、トレーニングに使用された写真に対してはうまく機能しますが、未知の新しい写真に対してエディターが暴走しないという保証はありません。

解決策：パーミュテーション・パーティー（置換の宴）

この論文の著者であるArghya Sinha氏とそのチームは、**非拡大（nonexpansive）**なエディターを構築する巧妙な方法を考案しました。平易な言葉で言えば、これはエディターが、2つの異なる画像の間の距離を決して大きくしないことを保証するという意味です。もし2つのわずかに異なるバージョンの写真があったとしても、エディターはそれらを同じくらい近く（あるいはより近く）保つように処理します。これは、混雑した部屋の中で、二人の人が決して離れすぎないように見守る、厳格なドアマンのようなものです。

これを実現するために、彼らは**パーミュテーション（置換）**という概念を用いました。猫の写真を持っていると想像してください。次に、その写真を特定の数学的な方法でシャッフルできるカードの束があると想像してください。回転させたり、反転させたり、あるいはピクセルのブロックをスライドさせたりします。チームは、デノイザーが写真を一度見るだけではないシステムを作成しました。その代わりに、写真とそのシャッフルされた「双子」たちを同時に見るのです。

ここにある魔法のトリックがあります。ニューラルネットワーク（エディターの脳）は、シャッフルされた各バージョンに対してどれだけの重みを与えるかを決定することだけが許されています。それは指揮者のように、「このシャッフルされたバージョンはオリジナルに非常によく似ているので、これを重視しよう。あれは変に見えるので、無視しよう」と判断します。決定的なのは、ピクセルを混ぜ合わせる実際の行為は、単純な線形数学操作によって行われるということです。「考えること（重みの決定）」と「行うこと（ピクセルの混合）」を分離することで、彼らは数学的に安定していることが証明されたシステムを構築しました。

仕組み：対称性のルール

このシステムが完璧に機能するように、論文ではいくつかのルールを導入しています。

1. ミラー・ルール（鏡のルール）: システムがある方法で写真をシャッフルすると決定した場合、必ず完全に対称的な方法でシャッフルを解除できなければなりません。これにより、数学的なバランスが保たれます。
2. ポジティブ・ルール（正のルール）: システムは重みとして正の数のみを与えるよう強制され、奇妙な方法で打ち消し合いが発生するのを防ぎます。
3. ウォームアップ: 画像を修正し始める際、システムは「ウォームアップ」フェーズを使用します。大まかな推測から始まり、それを綺麗にし、その綺麗なバージョンを以降のプロセスを導くための参照として使用します。これは、演奏全体が調和するように、ミュージシャンがコンサートの前に楽器のチューニングを行うことに似ています。

結果：安全かつシャープ

チームは、ぼけの除去や低解像度画像の高精細化（超解像）といった古典的な画像問題に対して、この新しい「非拡大デノイザー」をテストしました。

• 証明: 彼らは、自分たちの手法が**収縮的（contractive）**であることを数学的に証明しました。これは、システムがステップを実行するたびに、最終的な正しい答えに近づいていくという高度な表現です。ループに陥ったり、逸脱したりすることはありません。
• パフォーマンス: テストにおいて、彼らの手法は、安全性の保証を持たない最高の「野生の」エディターと同等の性能を発揮しました。例えば、CBSD10という標準的なテストセットにおいて、彼らの手法はデブラーリング（ぼけ除去）で 28.23 dB のスコアを達成し、これは ADMM+CoCo-DRUNet (28.74 dB) や GSPnP+GSDRUNet (29.17 dB) といったトップレベルの手法に匹敵する数値でした。
• 安定性: 時として不安定な兆候を見せる他の手法（例えば、テストで不安定さを示した "IHQS+SPC-DRUNet" など）とは異なり、この新しい手法は彼らが試みたあらゆるシナリオにおいて安定していました。

なぜ重要なのか

この論文は、強力なエディターと安全なエディターのどちらか一方を選ぶ必要はないと主張しています。ピクセルのシャッフル（パーミュテーション）という巧妙なトリックを使い、ニューラルネットワークには重みの決定だけを行わせることで、彼らはスマートかつ安全なシステムを構築しました。

著者らは、他の手法が失敗する可能性のある「ソフトな」ルールに依存しているのに対し、彼らのアプローチはグローバルな保証を提供することを明らかにしました。これは、どれほど高速に動いても、数学的に決してレールから外れないことが証明されているジェットコースターを建設するようなものです。これは、コンピュータが間違った推測をしたり、偽のディテールを捏造したりすることが許されない医療画像や科学写真において、非常に大きな意味を持ちます。この手法はオープンソースのコードとして公開されており、他の人々が利用し、さらに発展させることができるようになっています。