論文の概要: Efficient Bayesian Computational Imaging with a Surrogate Score-Based
Prior
- arxiv url: http://arxiv.org/abs/2309.01949v1
- Date: Tue, 5 Sep 2023 04:55:10 GMT
- ステータス: 処理完了
- システム内更新日: 2023-09-06 16:22:11.495026
- Title: Efficient Bayesian Computational Imaging with a Surrogate Score-Based
Prior
- Title(参考訳): サロゲートスコアを用いた効率よいベイズ計算イメージング
- Authors: Berthy T. Feng, Katherine L. Bouman
- Abstract要約: 本稿では,逆イメージングのためのスコアベース先行値の効率的な利用を目的としたサロゲート関数を提案する。
我々の研究は、スコアベース拡散モデルを画像の汎用的先駆体として活用するための実践的な道筋を確立する。
- 参考スコア(独自算出の注目度): 8.453791747558673
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We propose a surrogate function for efficient use of score-based priors for
Bayesian inverse imaging. Recent work turned score-based diffusion models into
probabilistic priors for solving ill-posed imaging problems by appealing to an
ODE-based log-probability function. However, evaluating this function is
computationally inefficient and inhibits posterior estimation of
high-dimensional images. Our proposed surrogate prior is based on the evidence
lower-bound of a score-based diffusion model. We demonstrate the surrogate
prior on variational inference for efficient approximate posterior sampling of
large images. Compared to the exact prior in previous work, our surrogate prior
accelerates optimization of the variational image distribution by at least two
orders of magnitude. We also find that our principled approach achieves
higher-fidelity images than non-Bayesian baselines that involve
hyperparameter-tuning at inference. Our work establishes a practical path
forward for using score-based diffusion models as general-purpose priors for
imaging.
- Abstract(参考訳): ベイズ逆画像のためのスコアベース先行値の効率的な利用のための代理関数を提案する。
最近の研究は、ODEベースの対数確率関数に訴えることにより、スコアベースの拡散モデルを不適切な画像問題を解決するための確率的先行モデルに変えた。
しかし、この関数の評価は計算量的に非効率であり、高次元画像の後方推定を阻害する。
提案するサロゲート前処理は,スコアに基づく拡散モデルのエビデンスに基づく。
変動推定に先立ってサロゲートを実証し, 大規模画像の近似的後方サンプリングを行う。
先行研究の正確な前処理と比較すると,我々のサロゲート前処理は変動画像分布の少なくとも2桁の最適化を加速する。
また,提案手法は推定時ハイパーパラメータチューニングを含む非ベイズ基底線よりも高忠実度画像を実現する。
本研究は,画像の汎用的優先としてスコアベース拡散モデルを用いるための実践的な道筋を定めている。
関連論文リスト
- Confronting Reward Overoptimization for Diffusion Models: A Perspective
of Inductive and Primacy Biases [81.49800426169632]
拡散モデルと人間の嗜好のギャップを埋めることが、実用的生成への統合に不可欠である。
本稿では,中間段階の時間的帰納バイアスを利用したポリシー勾配アルゴリズムTDPO-Rを提案する。
実験結果から,報酬過小評価を緩和するアルゴリズムの有効性が示された。
論文 参考訳(メタデータ) (2024-02-13T15:55:41Z) - Exploiting Diffusion Prior for Generalizable Pixel-Level Semantic
Prediction [93.35493328885372]
我々は、画素レベルのセマンティック予測タスクの先行として、事前訓練されたT2Iモデルを導入する。
我々は一連の実験を通して拡散過程を再構成し、入力されたRGB画像と出力予測分布との決定論的マッピングを確立する。
限られたドメインのトレーニングデータにもかかわらず、この手法は任意の画像に対して忠実に推定し、既存の最先端のアルゴリズムを超越する。
論文 参考訳(メタデータ) (2023-11-30T18:59:44Z) - Poisson-Gaussian Holographic Phase Retrieval with Score-based Image
Prior [19.231581775644617]
本稿では,スコア関数を先行生成関数とする高速化されたWirtinger Flow (AWF) を用いた新しいアルゴリズム"AWFS"を提案する。
PRの対数様関数の勾配を計算し、リプシッツ定数を決定する。
本稿では,提案アルゴリズムの臨界点収束保証を確立する理論的解析を行う。
論文 参考訳(メタデータ) (2023-05-12T18:08:47Z) - 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) - Posterior samples of source galaxies in strong gravitational lenses with
score-based priors [107.52670032376555]
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。
論文 参考訳(メタデータ) (2022-11-07T19:00:42Z) - Posterior temperature optimized Bayesian models for inverse problems in
medical imaging [59.82184400837329]
本研究は, 医用画像における逆問題に対する非教師的ベイズ的アプローチである。
最適化後温度が精度の向上と不確実性評価に繋がることを示す。
ソースコードは calibrated.com/Cardio-AI/mfvi-dip-mia で公開されています。
論文 参考訳(メタデータ) (2022-02-02T12:16:33Z) - Prior Image-Constrained Reconstruction using Style-Based Generative
Models [15.757204774959366]
本稿では,既知の先行画像と意味的に関連のある関心対象を推定するためのフレームワークを提案する。
スタイルベース生成モデルの非交叉潜在空間に最適化問題を定式化する。
意味的に有意な制約は、前の画像の非絡み合った潜在表現を用いて課される。
論文 参考訳(メタデータ) (2021-02-24T19:36:55Z) - Regularization via deep generative models: an analysis point of view [8.818465117061205]
本稿では, イメージングにおける逆問題(例えば, デブロアリングやインペインティング)を, 深部生成ニューラルネットワークを用いて正則化する新しい手法を提案する。
多くの場合、我々の技術はパフォーマンスの明確な改善を実現し、より堅牢であるように思える。
論文 参考訳(メタデータ) (2021-01-21T15:04:57Z) - A Flexible Framework for Designing Trainable Priors with Adaptive
Smoothing and Game Encoding [57.1077544780653]
我々は、前方通過を非滑らかな凸最適化問題として解釈できるニューラルネットワーク層の設計とトレーニングのための一般的なフレームワークを紹介する。
グラフのノードに代表されるローカルエージェントによって解決され、正規化関数を介して相互作用する凸ゲームに焦点を当てる。
このアプローチは、訓練可能なエンドツーエンドのディープモデル内で、古典的な画像の事前使用を可能にするため、画像の問題を解決するために魅力的である。
論文 参考訳(メタデータ) (2020-06-26T08:34:54Z)
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。