연구진이 다중 가설 협업 딥 언폴딩 CS 네트워크(MHC-DUN)를 제안했어요. 기존 CS 방법은 단일 솔루션 공간에 갇혀 있지만, MHC-DUN은 여러 솔루션 공간에서 공동 최적화를 통해 다중 가설을 활용해요.
MHC-DUN은 Proximal Gradient Descent 알고리즘을 기반으로, AlphaNet을 통해 가변 스텝 사이즈를 예측하고, 다중 가설 간 협업 그래디언트 업데이트를 지원해요.
복합 손실 함수를 설계하여 측정 충실도, 가설 다양성, 재구성 정확도를 균형 있게 유지하며, 상호 보완적인 솔루션 탐색을 장려해요.
실험 결과, 제안된 CS 방법이 기존 CS 네트워크보다 우수한 성능을 보여줬어요.