Leveraging Phase Information to Boost Unrolled Network Learning for Image Deblurring

Resumo Técnico: UPADNet – Rede de Decomposição de Fase e Amplitude Desdobrada para Desfoque de Imagem

Problema
O desfoque de imagem (deblurring) visa recuperar uma imagem nítida latente ($u$) a partir de uma observação borrada e ruidosa ($z$), tipicamente modelada como uma convolução linear invariante no deslocamento corrompida por ruído aditivo ($z = h * u + n$). Embora as abordagens de aprendizado profundo tenham alcançado um sucesso significativo, elas frequentemente sofrem de limitações que incluem uma forte dependência de grandes conjuntos de dados anotados, generalização limitada em diversas degradações do mundo real (por exemplo, níveis de ruído variados, movimento de câmera) e altos custos computacionais. Além disso, redes profundas padrão frequentemente tratam a imagem como uma variável espacial, potencialmente negligenciando o papel crítico da informação de fase de Fourier, que codifica detalhes estruturais e geométricos essenciais para a recuperação nítida da imagem.

Metodologia
Os autores propõem o UPADNet (Rede de Decomposição de Fase e Amplitude Desdobrada), uma arquitetura de rede profunda orientada por modelos que decompõe explicitamente o problema de restauração de imagem em componentes de amplitude e fase no domínio de Fourier. A metodologia procede em três estágios:

1. Estimativa LMMSE de Amplitude e Fase:
   Reconhecendo que as relações ingênuas no domínio de Fourier (onde a amplitude é multiplicativa e a fase é aditiva) falham sob ruído e incerteza do kernel, os autores derivam novos estimadores de Erro Quadrático Médio Linear Mínimo (LMMSE).

   • Eles formulam operadores lineares generalizados para estimar a amplitude ($\hat{A}_Z$) e a fase ($\hat{\theta}_Z$) da observação borrada.
   • A análise teórica (Teoremas 1 e 2) prova que esses estimadores minimizam o erro quadrático esperado em comparação com modelos multiplicativos/aditivos ingênuos, aproveitando os momentos estatísticos (médias, variâncias e covariâncias) das distribuições de amplitude e fase.

2. Otimização Iterativa via Método de Direção Alternada:
   Um algoritmo de otimização iterativo é desenvolvido para recuperar a imagem nítida latente minimizando uma função objetivo regularizada. Este objetivo impõe consistência estatística com os estimadores LMMSE derivados e inclui:

   • Termos de Fidelidade de Dados: Impondo consistência entre a amplitude e a fase estimadas e as observadas.
   • Regularização: Regularização $\ell_1$ na amplitude da imagem ($M \circ A_U$) para promover a esparsidade no domínio de Fourier, e penalidades $\ell_2$ nos componentes do kernel de desfoque para garantir suavidade. Um termo $\ell_1$ adicional na fase da imagem ($\theta_U$) impõe simetria estrutural.
   • Estratégia de Solução: O objetivo não convexo é resolvido usando Divisão de Metade-Quadrática (HQS), introduzindo variáveis auxiliares para desacoplar penalidades não suaves. Isso resulta em uma sequência de subproblemas de forma fechada para atualizar as variáveis de amplitude e fase.

3. Desdobramento em uma Rede Profunda (UPADNet):
   Em vez de usar parâmetros estatísticos fixos, o algoritmo iterativo é "desdobrado" (unrolled) em uma rede profunda treinável.

   • Arquitetura: Cada iteração do algoritmo de otimização corresponde a um UPADBlock. Um UPADBlock consiste em quatro subblocos que atualizam sequencialmente a amplitude e a fase da imagem latente ($A_U, \theta_U$) e o kernel de desfoque ($A_H, \theta_H$).
   • Parâmetros Aprendíveis: As matrizes estatísticas $\{W_i\}$ e o filtro de domínio de frequência $M$, que são teoricamente fixos em formulações clássicas, são aprendidos a partir dos dados.
   • Gerador de Pesos: Um módulo leve produz dinamicamente pesos e filtros específicos para cada iteração usando mecanismos como SimpleGate (SG) e Atenção de Canal Simplificada (SCA).
   • Ativação: Para aproximar os operadores proximais de limiarização suave (soft-thresholding) garantindo um fluxo de gradiente suave, os autores substituem o ReLU por ativações GELU.
   • Design Multiescala: Múltiplos UPADBlocks são empilhados com downsampling e upsampling intermediários para ampliar o campo receptivo efetivo.

Principais Contribuições

• Decomposição Fase-Amplitude: O artigo introduz um framework principiado que modela e estima explicitamente tanto a amplitude quanto a fase no domínio de Fourier, em vez de restaurar a imagem espacial diretamente.
• Novos Estimadores LMMSE: A derivação de estimadores lineares ótimos para amplitude e fase borradas que superam as relações de Fourier ingênuas sob ruído.
• Arquitetura UPADNet: O desenvolvimento de uma rede profunda treinável de ponta a ponta que desdobra o algoritmo de otimização derivado, permitindo que a rede aprenda os parâmetros estatísticos subjacentes diretamente de dados limpos e degradados pareados.
• Robustez: O design visa especificamente a robustez em regimes de alto ruído e dados limitados, aproveitando a interpretabilidade da otimização desdobrada e os priors estruturais da informação de fase.

Resultados Experimentais
Os autores avaliaram o UPADNet em três benchmarks: GoPro (desfoque de movimento sintético), RealBlur (trepidação de câmera do mundo real) e um conjunto de dados sintético COCO com controle de ruído e kernels de movimento.

• Desempenho: O UPADNet alcançou resultados de estado da arte no GoPro (34,63 dB PSNR, 0,975 SSIM) e RealBlur (41,29 dB PSNR no RealBlur-R), superando métodos recentes baseados em transformer (ex: Stripformer, FFTformer) e baseados em difusão.
• Eficiência: O modelo utiliza apenas 27M de parâmetros, significativamente menos que competidores de grande escala como o AdaRevD (220M).
• Robustez ao Ruído: Em experimentos com aumento de ruído Gaussiano ($\sigma = 0,01$ a $0,05$), o UPADNet manteve um desempenho estável, enquanto outras redes profundas e desdobradas mostraram degradação significativa.
• Eficiência de Dados: Quando treinado com razões de dados reduzidas (até 60% do conjunto de dados), o UPADNet exibiu uma queda mínima de desempenho em comparação aos concorrentes, demonstrando generalização superior em regimes de baixos dados.
• Ablação: Estudos confirmaram que aumentar o número de blocos desdobrados (até 72) e usar ativações GELU com uma taxa de aprendizado de $1\times10^{-3}$ produziu o desempenho ideal.

Significância e Alegações
O artigo afirma que a modelagem explícita da fase e amplitude de Fourier é crucial para o desfoque de imagem de alta qualidade, particularmente em cenários desafiadores do mundo real. Ao desdobrar um algoritmo de otimização derivado da teoria LMMSE, o UPADNet preenche a lacuna entre a interpretabilidade dos métodos iterativos tradicionais e a adaptabilidade do aprendizado profundo. Os autores asseguram que esta abordagem oferece uma solução robusta que generaliza bem através de vários tipos de desfoque, níveis de ruído e dados de treinamento limitados, destacando o valor da modelagem estruturada no domínio da frequência dentro de frameworks de desdobramento profundo.