P1 - Unrolled Optimization with Deep Priors.pdf
關於圖片還原的研究越來越多人來研究，這篇論文考慮在圖片作逆處理之前給定圖片先驗資訊，可以改善還原效果。 而主要處理圖片逆處理問題有兩種類型，一是傳統方法，是利用圖片架構給的資訊，作形式優化，例如BM3D ; 而另一種方法就是利用深度學習方法。 兩者各有優缺點，傳統方法優點是處理圖片快，但缺點是很難整合複雜的圖片。 而深度學習方法缺點除了所需時間一般比傳統方法來的久，雖然效果通常是比傳統方法來的好，另一點是深度學習方法缺發系統化方法整合先驗資訊。
所以這篇論文利用了展開式迭代方法來整合先驗資訊，其根據是依據貝葉斯定理中的最大後驗機率(MAP)，而最終的模型可以應用在Denoising, Deblurring, MRI核磁共振中。