論文の概要: Direct Diffusion Bridge using Data Consistency for Inverse Problems
- arxiv url: http://arxiv.org/abs/2305.19809v2
- Date: Tue, 24 Oct 2023 22:29:00 GMT
- ステータス: 処理完了
- システム内更新日: 2023-10-26 20:29:46.231383
- Title: Direct Diffusion Bridge using Data Consistency for Inverse Problems
- Title(参考訳): 逆問題に対するデータ一貫性を用いた直接拡散ブリッジ
- Authors: Hyungjin Chung, Jeongsol Kim, Jong Chul Ye
- Abstract要約: 拡散モデルに基づく逆問題解法は優れた性能を示したが、速度は制限されている。
いくつかの最近の研究は、拡散プロセスを構築し、クリーンで破損したものを直接ブリッジすることでこの問題を緩和しようと試みている。
微調整を必要とせずにデータの一貫性を強制する改良された推論手順を提案する。
- 参考スコア(独自算出の注目度): 65.04689839117692
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Diffusion model-based inverse problem solvers have shown impressive
performance, but are limited in speed, mostly as they require reverse diffusion
sampling starting from noise. Several recent works have tried to alleviate this
problem by building a diffusion process, directly bridging the clean and the
corrupted for specific inverse problems. In this paper, we first unify these
existing works under the name Direct Diffusion Bridges (DDB), showing that
while motivated by different theories, the resulting algorithms only differ in
the choice of parameters. Then, we highlight a critical limitation of the
current DDB framework, namely that it does not ensure data consistency. To
address this problem, we propose a modified inference procedure that imposes
data consistency without the need for fine-tuning. We term the resulting method
data Consistent DDB (CDDB), which outperforms its inconsistent counterpart in
terms of both perception and distortion metrics, thereby effectively pushing
the Pareto-frontier toward the optimum. Our proposed method achieves
state-of-the-art results on both evaluation criteria, showcasing its
superiority over existing methods. Code is available at
https://github.com/HJ-harry/CDDB
- Abstract(参考訳): 拡散モデルに基づく逆問題解法は優れた性能を示したが、主にノイズから始まる逆拡散サンプリングを必要とするため、速度は制限されている。
最近のいくつかの研究は、特定の逆問題に対してクリーンと腐敗を直接ブリッジすることで拡散過程を構築することでこの問題を緩和しようと試みている。
本稿では,これらの既存の研究をDDB (Direct Diffusion Bridges) という名前で統一し,異なる理論に動機付けられながら,結果のアルゴリズムがパラメータの選択でのみ異なることを示す。
そして、現在のddbフレームワークの重要な制限、すなわちデータの一貫性が保証されないことを強調します。
この問題に対処するため,我々は,微調整を必要とせずにデータ一貫性を課す修正推論手順を提案する。
得られた手法データをCDDB (Consistent DDB) と呼び、知覚と歪みの両指標において矛盾する結果が得られ、Pareto-frontier を最適な方向に効果的に推し進める。
提案手法は両評価基準の最先端化を実現し,既存手法よりも優れていることを示す。
コードはhttps://github.com/HJ-harry/CDDBで入手できる。
関連論文リスト
- Theoretically Achieving Continuous Representation of Oriented Bounding
Boxes [67.98100888932403]
本論文は,オブジェクト指向境界ボックス表現における不連続性を完全に解決しようとする試みである。
本研究では,既存の検出器に容易に統合可能なCOBB(Continuous OBB)という新しい表現法を提案する。
OOD評価のためのオープンソースのディープラーニングフレームワークJittorの検出ツールボックスJDetをベースとした,モジュール化されたベンチマークを開発した。
論文 参考訳(メタデータ) (2024-02-29T09:27:40Z) - Denoising Diffusion Bridge Models [54.87947768074036]
拡散モデルは、プロセスを使用してデータにノイズをマッピングする強力な生成モデルである。
画像編集のような多くのアプリケーションでは、モデル入力はランダムノイズではない分布から来る。
本研究では, DDBM(Denoising Diffusion Bridge Models)を提案する。
論文 参考訳(メタデータ) (2023-09-29T03:24:24Z) - Diffusion Augmentation for Sequential Recommendation [47.43402785097255]
本稿では,より高品質な生成のためのDiffuASR(Diffusion Augmentation for Sequential Recommendation)を提案する。
DiffuASRによる強化データセットは、複雑なトレーニング手順なしで、シーケンシャルレコメンデーションモデルを直接トレーニングするために使用することができる。
3つの逐次レコメンデーションモデルを用いた3つの実世界のデータセットに関する広範な実験を行った。
論文 参考訳(メタデータ) (2023-09-22T13:31:34Z) - Diffusion Models with Deterministic Normalizing Flow Priors [23.212848643552395]
フローと拡散モデルを正規化する手法であるDiNof(textbfDi$ffusion with $textbfNo$rmalizing $textbff$low priors)を提案する。
標準画像生成データセットの実験は、既存の手法よりも提案手法の利点を実証している。
論文 参考訳(メタデータ) (2023-09-03T21:26:56Z) - DiffusionRet: Generative Text-Video Retrieval with Diffusion Model [56.03464169048182]
既存のテキストビデオ検索ソリューションは、条件付き可能性、すなわちp(candidates|query)の最大化に焦点を当てている。
我々は、このタスクを生成的視点から創造的に取り組み、テキストとビデオの相関関係を共同確率p(candidates,query)としてモデル化する。
これは拡散に基づくテキストビデオ検索フレームワーク(DiffusionRet)によって実現され、ノイズから徐々に関節分布を生成するプロセスとして検索タスクをモデル化する。
論文 参考訳(メタデータ) (2023-03-17T10:07:19Z) - Decomposed Diffusion Sampler for Accelerating Large-Scale Inverse
Problems [64.29491112653905]
本稿では, 拡散サンプリング法とクリロフ部分空間法を相乗的に組み合わせた, 新規で効率的な拡散サンプリング手法を提案する。
具体的には、ツイーディの公式による分母化標本における接空間がクリロフ部分空間を成すならば、その分母化データによるCGは、接空間におけるデータの整合性更新を確実に維持する。
提案手法は,従来の最先端手法よりも80倍以上高速な推論時間を実現する。
論文 参考訳(メタデータ) (2023-03-10T07:42:49Z) - Aligned Diffusion Schr\"odinger Bridges [64.48263879451069]
Diffusion Schr"odinger Bridges (DSBs) は、最近、異なる時間点における限界観測を通してダイナミクスを回復するための強力なフレームワークとして登場した。
これまで、DSBを解くための既存のアルゴリズムは、整列データの構造を活用できなかった。
本稿では,データアライメントを尊重しながらDSBを初めて解決する新しいアルゴリズムフレームワークを提案する。
論文 参考訳(メタデータ) (2023-02-22T14:55:57Z) - Distributionally Robust Bayesian Optimization with $\varphi$-divergences [45.48814080654241]
我々は,$varphi$-divergencesにおけるデータシフトに対するロバスト性について考察する。
この設定におけるDRO-BO問題は有限次元最適化問題と等価であり、連続的な文脈でも証明可能な部分線型後悔境界で容易に実装できることを示す。
論文 参考訳(メタデータ) (2022-03-04T04:34:52Z)
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。