Passer au contenu principal

Recherche

Afficher tous les résultats pour

Accueil

Personne

Mehrsa Pourya

À propos
Confidentialité
Mentions légales

Copyright © 2025 EPFL, tous droits réservés

Graph Chatbot

Source officielle

https://people.epfl.ch/mehrsa.pourya?lang=fr

À propos de ce résultat

Cette page est générée automatiquement et peut contenir des informations qui ne sont pas correctes, complètes, à jour ou pertinentes par rapport à votre recherche. Il en va de même pour toutes les autres pages de ce site. Veillez à vérifier les informations auprès des sources officielles de l'EPFL.

Publications associées (5)

Veuillez noter qu'il ne s'agit pas d'une liste complète des publications de cette personne. Elle inclut uniquement les travaux sémantiquement pertinents. Pour une liste complète, veuillez consulter Infoscience.

Unités associées (1)

Laboratoire d'imagerie biomédicale

EPFL
STI
IEM
LIB

A Box-Spline Framework for Inverse Problems With Continuous-Domain Sparsity Constraints

Michaël Unser, Mehrsa Pourya

The formulation of inverse problems in the continuum eliminates discretization errors and allows for the exact incorporation of priors. In this paper, we formulate a continuous-domain inverse problem over a search space of continuous and piecewise-linear f ...

Ieee-Inst Electrical Electronics Engineers Inc2024

A Continuous-Domain Solution for Computed Tomography with Hessian Total-Variation Regularization

Michaël Unser, Mehrsa Pourya, Youssef Haouchat

We formulate computed-tomography reconstruction as a continuous-domain optimization problem with Hessian total variation (HTV) as the regularizer. HTV is a sparsity-promoting regularizer that favors continuous and piecewise-linear functions with few affine ...

IEEE Computer Society2024

Iteratively Refined Image Reconstruction with Learned Attentive Regularizers

Michaël Unser, Mehrsa Pourya

We propose a regularization scheme for image reconstruction that leverages the power of deep learning while hinging on classic sparsity-promoting models. Many deep-learning-based models are hard to interpret and cumbersome to analyze theoretically. In cont ...

2024