論文の概要: Accelerating Diffusion Models for Inverse Problems through Shortcut Sampling

• arxiv url: http://arxiv.org/abs/2305.16965v1
• Date: Fri, 26 May 2023 14:20:36 GMT
• ステータス: 処理完了
• システム内更新日: 2023-05-29 14:26:43.008090
• Title: Accelerating Diffusion Models for Inverse Problems through Shortcut Sampling
• Title（参考訳）: ショートカットサンプリングによる逆問題に対する拡散促進モデル
• Authors: Gongye Liu, Haoze Sun, Jiayi Li, Fei Yin, Yujiu Yang
• Abstract要約: Shortcut Sampling for Diffusion (SSD)は、逆問題を解決するための新しいパイプラインである。 SSDは、計測画像yと復元された画像xをブリッジする遷移状態である"Embryo"を見つける。 現状のゼロショット法と比較して,本手法は30個のNFEで競合する結果が得られる。
• 参考スコア（独自算出の注目度）: 22.132930377392835
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Recently, diffusion models have demonstrated a remarkable ability to solve inverse problems in an unsupervised manner. Existing methods mainly focus on modifying the posterior sampling process while neglecting the potential of the forward process. In this work, we propose Shortcut Sampling for Diffusion (SSD), a novel pipeline for solving inverse problems. Instead of initiating from random noise, the key concept of SSD is to find the "Embryo", a transitional state that bridges the measurement image y and the restored image x. By utilizing the "shortcut" path of "input-Embryo-output", SSD can achieve precise and fast restoration. To obtain the Embryo in the forward process, We propose Distortion Adaptive Inversion (DA Inversion). Moreover, we apply back projection and attention injection as additional consistency constraints during the generation process. Experimentally, we demonstrate the effectiveness of SSD on several representative tasks, including super-resolution, deblurring, and colorization. Compared to state-of-the-art zero-shot methods, our method achieves competitive results with only 30 NFEs. Moreover, SSD with 100 NFEs can outperform state-of-the-art zero-shot methods in certain tasks.
• Abstract（参考訳）: 近年、拡散モデルは教師なしの方法で逆問題を解くという驚くべき能力を示している。 既存の手法は主に前方プロセスの可能性を無視しながら後方サンプリングプロセスの変更に焦点を当てている。 本研究では,逆問題に対処する新しいパイプラインであるSSD(Shortcut Sampling for Diffusion)を提案する。 ランダムノイズから始める代わりに、SSDのキーコンセプトは、計測画像yと復元された画像xをブリッジする遷移状態である"Embryo"を見つけることである。 Input-Embryo-outputの"ショートカット"パスを利用することで、SSDは正確かつ高速に復元できる。 前進過程における胚を得るために、歪み適応反転(da反転)を提案する。 さらに,生成プロセス中に追加の一貫性制約として,バックプロジェクションとアテンションインジェクションを適用する。 実験では,超解像,脱色,着色など,複数の代表課題におけるSSDの有効性を実証した。 現状のゼロショット法と比較すると,30NFEで競合する結果が得られる。 さらに、100 NFEのSSDは、特定のタスクで最先端のゼロショットメソッドより優れている。

関連論文リスト

• ERDDCI: Exact Reversible Diffusion via Dual-Chain Inversion for High-Quality Image Editing [20.46262679357339]
  拡散モデル(DM)は実画像編集に成功している。 近年のDMは、しばしば局所線形化の仮定に依存している。 ERDDCIは、新しいDual-Chain Inversion (DCI) を用いて関節推論を行い、正確な可逆拡散過程を導出する。
  論文  参考訳（メタデータ） (2024-10-18T07:52:03Z)
• Blind Image Restoration via Fast Diffusion Inversion [17.139433082780037]
  Blind Image Restoration via fast Diffusion (BIRD) は、劣化モデルパラメータと復元画像の協調最適化を行うブラインド赤外線法である。 提案手法の鍵となる考え方は、初期ノイズがサンプリングされると、逆サンプリングを変更すること、すなわち、中間潜水剤を全て変更しないことである。 画像復元作業におけるBIRDの有効性を実験的に検証し,それらすべてに対して,その成果が得られたことを示す。
  論文  参考訳（メタデータ） (2024-05-29T23:38:12Z)
• Efficient Diffusion Model for Image Restoration by Residual Shifting [63.02725947015132]
  本研究では,画像復元のための新しい,効率的な拡散モデルを提案する。 提案手法は,推論中の後処理の高速化を回避し,関連する性能劣化を回避する。 提案手法は,3つの古典的IRタスクにおける現在の最先端手法よりも優れた,あるいは同等の性能を実現する。
  論文  参考訳（メタデータ） (2024-03-12T05:06:07Z)
• SinSR: Diffusion-Based Image Super-Resolution in a Single Step [119.18813219518042]
  拡散モデルに基づく超解像(SR)法は有望な結果を示す。 しかし、それらの実践的応用は、必要な推論ステップのかなりの数によって妨げられている。 本稿では,SinSRという単一ステップのSR生成を実現するための,シンプルで効果的な手法を提案する。
  論文  参考訳（メタデータ） (2023-11-23T16:21:29Z)
• ResShift: Efficient Diffusion Model for Image Super-resolution by Residual Shifting [70.83632337581034]
  拡散に基づく画像超解像法(SR)は主に低推論速度によって制限される。 本稿では,SRの拡散段数を大幅に削減する新しい,効率的な拡散モデルを提案する。 本手法は,残差をシフトすることで高分解能画像と低分解能画像の間を移動させるマルコフ連鎖を構成する。
  論文  参考訳（メタデータ） (2023-07-23T15:10:02Z)
• DiffTAD: Temporal Action Detection with Proposal Denoising Diffusion [137.8749239614528]
  そこで我々は,時間的行動検出(TAD)の新しい定式化を提案し,拡散を抑えるDiffTADを提案する。 入力されたランダムな時間的提案を考慮すれば、トリミングされていない長いビデオが与えられたアクションの提案を正確に得ることができる。
  論文  参考訳（メタデータ） (2023-03-27T00:40:52Z)
• Preconditioned Score-based Generative Models [49.88840603798831]
  直感的な加速度法はサンプリングの繰り返しを減らし、しかしながら重大な性能劣化を引き起こす。 本稿では,行列プレコンディショニングを利用したモデル非依存型bfem事前条件拡散サンプリング(PDS)手法を提案する。 PDSは、バニラSGMのサンプリングプロセスを限界余剰計算コストで変更し、モデルの再訓練を行わない。
  論文  参考訳（メタデータ） (2023-02-13T16:30:53Z)

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。