論文の概要: Back-Projection Diffusion: Solving the Wideband Inverse Scattering Problem with Diffusion Models

• arxiv url: http://arxiv.org/abs/2408.02866v3
• Date: Thu, 27 Feb 2025 07:10:32 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-02-28 14:52:15.171986
• Title: Back-Projection Diffusion: Solving the Wideband Inverse Scattering Problem with Diffusion Models
• Title（参考訳）: 後方射影拡散:拡散モデルを用いた広帯域逆散乱問題の解法
• Authors: Borong Zhang, Martín Guerra, Qin Li, Leonardo Zepeda-Núñez,
• Abstract要約: 逆散乱写像を用いて広帯域散乱データを用いて屈折率の後方分布を近似するためのエンドツーエンド確率的フレームワークを提案する。 この枠組みは高精度な再構成を行い、条件付き拡散モデルを利用してサンプルを描画し、波動伝播の基礎物理学の対称性を賞賛する。
• 参考スコア（独自算出の注目度）: 2.717354728562311
• License:
• Abstract: We present Wideband Back-Projection Diffusion, an end-to-end probabilistic framework for approximating the posterior distribution of the refractive index using the wideband scattering data through the inverse scattering map. This framework produces highly accurate reconstructions, leveraging conditional diffusion models to draw samples, and also honors the symmetries of the underlying physics of wave-propagation. The procedure is factored into two steps, with the first, inspired by the filtered back-propagation formula, transforms data into a physics-based latent representation, while the second learns a conditional score function conditioned on this latent representation. These two steps individually obey their associated symmetries and are amenable to compression by imposing the rank structure found in the filtered back-projection formula. Empirically, our framework has both low sample and computational complexity, with its number of parameters scaling only sub-linearly with the target resolution, and has stable training dynamics. It provides sharp reconstructions effortlessly and is capable of recovering even sub-Nyquist features in the multiple-scattering regime.
• Abstract（参考訳）: 逆散乱マップを用いた広帯域散乱データを用いて屈折率の後方分布を近似する,エンドツーエンドの確率的フレームワークであるワイドバンドバックプロジェクション拡散を提案する。 この枠組みは高精度な再構成を行い、条件付き拡散モデルを利用してサンプルを描画し、波動伝播の基礎物理学の対称性を賞賛する。 手順は2つのステップに分解され、第1のステップはフィルタされたバックプロパゲーション式にインスパイアされ、データを物理ベースの潜在表現に変換し、第2のステップは、この潜在表現に条件付きスコア関数を学習する。 これらの2つのステップは、それぞれの対称性にそれぞれ従い、フィルタされた後方射影公式に見られる階数構造を付与することで圧縮に対処できる。 実験的に、我々のフレームワークはサンプルと計算の複雑さが低く、パラメータの数はターゲットの解像度とサブ線形にしかスケーリングせず、安定したトレーニングダイナミクスを持つ。 鋭い復元を努力なく提供し、マルチ散乱方式でNyquist以下の特徴を回復することができる。

関連論文リスト

• Solving High-dimensional Inverse Problems Using Amortized Likelihood-free Inference with Noisy and Incomplete Data [43.43717668587333]
  本研究では,高次元逆問題に対する正規化フローに基づく確率論的逆転法を提案する。 提案手法は,データ圧縮のための要約ネットワークとパラメータ推定のための推論ネットワークの2つの補完ネットワークで構成されている。 提案手法を地下水水文学における逆問題に適用し,空間的に疎らな時系列観測に基づく対流電界の後方分布を推定する。
  論文  参考訳（メタデータ） (2024-12-05T19:13:17Z)
• Stability and Generalizability in SDE Diffusion Models with Measure-Preserving Dynamics [11.919291977879801]
  逆問題では、測定やデータから因果因子を推定する過程を記述する。 拡散モデルは、逆問題を解決する強力な生成ツールとして期待されている。
  論文  参考訳（メタデータ） (2024-06-19T15:55:12Z)
• On the Trajectory Regularity of ODE-based Diffusion Sampling [79.17334230868693]
  拡散に基づく生成モデルは微分方程式を用いて、複素データ分布と抽出可能な事前分布の間の滑らかな接続を確立する。 本稿では,拡散モデルのODEに基づくサンプリングプロセスにおいて,いくつかの興味深い軌道特性を同定する。
  論文  参考訳（メタデータ） (2024-05-18T15:59:41Z)
• Deep Equilibrium Diffusion Restoration with Parallel Sampling [120.15039525209106]
  拡散モデルに基づく画像復元(IR)は、拡散モデルを用いて劣化した画像から高品質な(本社)画像を復元し、有望な性能を達成することを目的としている。 既存のほとんどの手法では、HQイメージをステップバイステップで復元するために長いシリアルサンプリングチェーンが必要であるため、高価なサンプリング時間と高い計算コストがかかる。 本研究では,拡散モデルに基づくIRモデルを異なる視点,すなわちDeqIRと呼ばれるDeQ(Deep equilibrium)固定点系で再考することを目的とする。
  論文  参考訳（メタデータ） (2023-11-20T08:27:56Z)
• Steerable Conditional Diffusion for Out-of-Distribution Adaptation in Medical Image Reconstruction [75.91471250967703]
  我々は、ステアブル条件拡散と呼ばれる新しいサンプリングフレームワークを導入する。 このフレームワークは、利用可能な測定によって提供される情報のみに基づいて、画像再構成と並行して拡散モデルを適用する。 様々な画像モダリティにまたがるアウト・オブ・ディストリビューション性能の大幅な向上を実現した。
  論文  参考訳（メタデータ） (2023-08-28T08:47:06Z)
• Refining Amortized Posterior Approximations using Gradient-Based Summary Statistics [0.9176056742068814]
  逆問題の文脈における後部分布の補正近似を改善するための反復的枠組みを提案する。 そこで我々は,本手法をスタイリング問題に適用して制御条件で検証し,改良された後部近似を各繰り返しで観察する。
  論文  参考訳（メタデータ） (2023-05-15T15:47:19Z)
• 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)
• Reflected Diffusion Models [93.26107023470979]
  本稿では,データのサポートに基づいて進化する反射微分方程式を逆転する反射拡散モデルを提案する。 提案手法は,一般化されたスコアマッチング損失を用いてスコア関数を学習し,標準拡散モデルの主要成分を拡張する。
  論文  参考訳（メタデータ） (2023-04-10T17:54:38Z)
• Spatially Adaptive Inference with Stochastic Feature Sampling and Interpolation [72.40827239394565]
  スパースサンプリングされた場所のみの機能を計算することを提案する。 次に、効率的な手順で特徴写像を密に再構築する。 提案したネットワークは、様々なコンピュータビジョンタスクの精度を維持しながら、かなりの計算を省くために実験的に示されている。
  論文  参考訳（メタデータ） (2020-03-19T15:36:31Z)

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。