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

• Fine-Tuning Image-Conditional Diffusion Models is Easier than You Think [53.2706196341054]
  認識された非効率性は、これまで気付かれなかった推論パイプラインの欠陥によって引き起こされたことを示している。 タスク固有の損失を伴う単一ステップモデル上でエンドツーエンドの微調整を行い、他の拡散に基づく深さモデルや正規推定モデルよりも優れた決定論的モデルを得る。
  論文  参考訳（メタデータ） (2024-09-17T16:58:52Z)
• Empirical Bayesian image restoration by Langevin sampling with a denoising diffusion implicit prior [0.18434042562191813]
  本稿では,新しい高効率画像復元手法を提案する。 DDPMデノイザーを経験的ベイズアン・ランゲヴィンアルゴリズムに組み込む。 画像推定精度と計算時間の両方において最先端の戦略を改善する。
  論文  参考訳（メタデータ） (2024-09-06T16:20:24Z)
• Bayesian Conditioned Diffusion Models for Inverse Problems [11.67269909384503]
  拡散モデルは、前方測定演算子に基づく逆問題を含む多くの画像再構成タスクにおいて優れている。 本稿では,所望の画像の条件分布に関連付けられたスコア関数に基づく拡散モデルBCDMのための新しいベイズ条件付け手法を提案する。 提案手法を用いて,画像処理,デブロアリング,超高解像度化,及びインペイントにおける最先端性能を示す。
  論文  参考訳（メタデータ） (2024-06-14T07:13:03Z)
• Provably Robust Score-Based Diffusion Posterior Sampling for Plug-and-Play Image Reconstruction [31.503662384666274]
  科学と工学において、ゴールは、ある画像のモダリティを記述する既知のフォワードモデルから収集された少数の測定値から未知の画像を推測することである。 モチベートされたスコアベース拡散モデルはその経験的成功により、画像再構成に先立って模範の印象的な候補として現れた。
  論文  参考訳（メタデータ） (2024-03-25T15:58:26Z)
• JoReS-Diff: Joint Retinex and Semantic Priors in Diffusion Model for Low-light Image Enhancement [69.6035373784027]
  低照度画像強調(LLIE)は条件付き拡散モデルを用いて有望な性能を実現している。 従来手法は、タスク固有の条件戦略の十分な定式化の重要性を無視するものであった。 本稿では,Retinex および semantic-based pre-processing condition を付加した新しいアプローチである JoReS-Diff を提案する。
  論文  参考訳（メタデータ） (2023-12-20T08:05:57Z)
• Exploiting Diffusion Prior for Generalizable Dense Prediction [85.4563592053464]
  近年のテキスト・トゥ・イメージ(T2I)拡散モデルでは、既成の高密度予測器では予測できないことがある。 我々は,事前学習したT2Iモデルを用いたパイプラインDMPを,高密度予測タスクの先駆けとして導入する。 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)
• 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)
• 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)

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。