論文の概要: Posterior samples of source galaxies in strong gravitational lenses with
score-based priors
- arxiv url: http://arxiv.org/abs/2211.03812v1
- Date: Mon, 7 Nov 2022 19:00:42 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-09 15:52:13.084304
- Title: Posterior samples of source galaxies in strong gravitational lenses with
score-based priors
- Title(参考訳): スコアベース前の強い重力レンズにおける源銀河の後方サンプル
- Authors: Alexandre Adam, Adam Coogan, Nikolay Malkin, Ronan Legin, Laurence
Perreault-Levasseur, Yashar Hezaveh and Yoshua Bengio
- Abstract要約: 我々はスコアベースモデルを用いて、背景銀河の歪みのない画像の事前推定を符号化する。
アウト・オブ・ディストリビューション・データを用いた実験において、可能性と事前のバランスが、我々の期待にどのように合致しているかを示す。
- 参考スコア(独自算出の注目度): 107.52670032376555
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Inferring accurate posteriors for high-dimensional representations of the
brightness of gravitationally-lensed sources is a major challenge, in part due
to the difficulties of accurately quantifying the priors. Here, we report the
use of a score-based model to encode the prior for the inference of undistorted
images of background galaxies. This model is trained on a set of
high-resolution images of undistorted galaxies. By adding the likelihood score
to the prior score and using a reverse-time stochastic differential equation
solver, we obtain samples from the posterior. Our method produces independent
posterior samples and models the data almost down to the noise level. We show
how the balance between the likelihood and the prior meet our expectations in
an experiment with out-of-distribution data.
- Abstract(参考訳): 重力レンズの光源の輝度の高次元表現のための正確な後方推定は、事前の正確な定量化が難しいこともあって、大きな課題である。
本稿では、背景銀河の未観測画像の推測に先行する値をエンコードするためのスコアベースモデルの利用について報告する。
このモデルは、歪んだ銀河の高解像度画像に基づいて訓練されている。
確率スコアを前値に加え、逆時間確率微分方程式解法を用いて後値からサンプルを得る。
提案手法は, 独立した後部サンプルを生成し, ほぼノイズレベルまでデータをモデル化する。
分散データを用いた実験で,確率と事前のバランスが期待を満たしていることを示す。
関連論文リスト
- Enhancing Diffusion Posterior Sampling for Inverse Problems by Integrating Crafted Measurements [45.70011319850862]
拡散モデルは視覚生成のための強力な基礎モデルとして登場してきた。
現在の後方サンプリングに基づく手法では、測定結果を後方サンプリングに取り込み、対象データの分布を推定する。
本研究は, 早期に高周波情報を早期に導入し, より大きい推定誤差を生じさせることを示す。
工芸品計測を取り入れた新しい拡散後サンプリング手法DPS-CMを提案する。
論文 参考訳(メタデータ) (2024-11-15T00:06:57Z) - Posterior Sampling with Denoising Oracles via Tilted Transport [37.14320147233444]
本稿では, 線形逆問題における対数様の二次構造を利用したテクスタイテッドトランスポート手法を提案する。
我々は、この後続が強く対数凹である条件を定量化し、測定行列の条件数に依存することを強調する。
得られた後続サンプリングスキームは,Isingモデルをサンプリングするために予測された計算しきい値に達することが示されている。
論文 参考訳(メタデータ) (2024-06-30T16:11:42Z) - Amortizing intractable inference in diffusion models for vision, language, and control [89.65631572949702]
本稿では,p(mathbfx)$以前の拡散生成モデルとブラックボックス制約,あるいは関数$r(mathbfx)$からなるモデルにおいて,データ上の後部サンプルである $mathbfxsim prm post(mathbfx)propto p(mathbfx)r(mathbfx)$について検討する。
我々は,データフリー学習目標である相対軌道バランスの正しさを,サンプルから抽出した拡散モデルの訓練のために証明する。
論文 参考訳(メタデータ) (2024-05-31T16:18:46Z) - Divide-and-Conquer Posterior Sampling for Denoising Diffusion Priors [21.0128625037708]
提案手法は, 分割・分散型後方サンプリング方式である。
これにより、再トレーニングを必要とせずに、現在のテクニックに関連する近似誤差を低減することができる。
ベイズ逆問題に対するアプローチの汎用性と有効性を示す。
論文 参考訳(メタデータ) (2024-03-18T01:47:24Z) - A Variational Perspective on Solving Inverse Problems with Diffusion
Models [101.831766524264]
逆タスクは、データ上の後続分布を推測するものとして定式化することができる。
しかし、拡散過程の非線形的かつ反復的な性質が後部を引き付けるため、拡散モデルではこれは困難である。
そこで我々は,真の後続分布を近似する設計手法を提案する。
論文 参考訳(メタデータ) (2023-05-07T23:00:47Z) - Score-Based Diffusion Models as Principled Priors for Inverse Imaging [46.19536250098105]
本稿では,スコアに基づく拡散モデルを原理化された画像優先モデルに変換することを提案する。
本稿では, この確率関数を変分推論に用いることにより, 後部から試料を抽出する方法を示す。
論文 参考訳(メタデータ) (2023-04-23T21:05:59Z) - Instance-Optimal Compressed Sensing via Posterior Sampling [101.43899352984774]
後部サンプリング推定器がほぼ最適回復保証を達成できることを示す。
本稿では,Langevin dynamics を用いた深部生成前駆体の後方サンプリング推定器を実装し,MAP よりも精度の高い推定値が得られることを実証的に見出した。
論文 参考訳(メタデータ) (2021-06-21T22:51:56Z) - A deep-learning based Bayesian approach to seismic imaging and
uncertainty quantification [0.4588028371034407]
不確実性は、不条件の逆問題を扱う際に必須である。
未知の知識を正確に符号化する事前分布を定式化することは、しばしば不可能である。
本稿では,無作為な畳み込みニューラルネットワークの機能形式を,前もって暗黙的な構造として利用することを提案する。
論文 参考訳(メタデータ) (2020-01-13T23:46:18Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。