論文の概要: FLOWER: A Flow-Matching Solver for Inverse Problems

• arxiv url: http://arxiv.org/abs/2509.26287v1
• Date: Tue, 30 Sep 2025 14:07:10 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-01 17:09:04.565655
• Title: FLOWER: A Flow-Matching Solver for Inverse Problems
• Title（参考訳）: FLOWER: 逆問題に対するフローマッチングソルバー
• Authors: Mehrsa Pourya, Bassam El Rawas, Michael Unser,
• Abstract要約: 本稿では,逆問題に対する解法であるFlowerを紹介する。 事前に訓練された流れモデルを利用して、観測された測定値と整合した再構成を生成する。
• 参考スコア（独自算出の注目度）: 11.548358713282239
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We introduce Flower, a solver for inverse problems. It leverages a pre-trained flow model to produce reconstructions that are consistent with the observed measurements. Flower operates through an iterative procedure over three steps: (i) a flow-consistent destination estimation, where the velocity network predicts a denoised target; (ii) a refinement step that projects the estimated destination onto a feasible set defined by the forward operator; and (iii) a time-progression step that re-projects the refined destination along the flow trajectory. We provide a theoretical analysis that demonstrates how Flower approximates Bayesian posterior sampling, thereby unifying perspectives from plug-and-play methods and generative inverse solvers. On the practical side, Flower achieves state-of-the-art reconstruction quality while using nearly identical hyperparameters across various inverse problems.
• Abstract（参考訳）: 本稿では,逆問題に対する解法であるFlowerを紹介する。 事前に訓練された流れモデルを利用して、観測された測定値と整合した再構成を生成する。 Flowerは3つの手順で反復的な手順を実行します。 i) 速度ネットワークが識別対象を予測するフロー一貫性のある目的地推定 二 フォワード演算子で定める実現可能な集合に推定宛先を投射する精錬工程 三 流路沿いの精錬先を再計画する時間経過段階 本研究では,フラワーがベイジアン後部サンプリングをどのように近似し,プラグ・アンド・プレイ法や生成逆解法から視点を統一するかを理論的に示す。 実用面では、フラワーは様々な逆問題にまたがるほぼ同一のハイパーパラメータを使用しながら、最先端の再構築品質を達成する。

関連論文リスト

• Amortized In-Context Bayesian Posterior Estimation [15.714462115687096]
  償却は条件付き推定を通じて、そのような困難を和らげるための実行可能な戦略である。 本研究では,アモルト化インコンテクストベイズ推定手法の徹底的な比較分析を行う。 本稿では,予測問題に対する逆KL推定器の優位性,特に変圧器アーキテクチャと正規化フローを併用した場合に強調する。
  論文  参考訳（メタデータ） (2025-02-10T16:00:48Z)
• Amortized Posterior Sampling with Diffusion Prior Distillation [55.03585818289934]
  Amortized Posterior Smplingは、逆問題における効率的な後方サンプリングのための新しい変分推論手法である。 本手法は,拡散モデルにより暗黙的に定義された変動分布と後続分布とのばらつきを最小限に抑えるために条件付き流れモデルを訓練する。 既存の手法とは異なり、我々のアプローチは教師なしであり、ペア化されたトレーニングデータを必要としておらず、ユークリッドと非ユークリッドの両方のドメインに適用できる。
  論文  参考訳（メタデータ） (2024-07-25T09:53:12Z)
• An Unconditional Representation of the Conditional Score in Infinite-Dimensional Linear Inverse Problems [5.340736751238338]
  線形逆問題に適した条件付きスコア関数の非条件表現を提案する。 条件付きスコアはアフィン変換を用いて訓練された(条件なし)スコアから正確に導出可能であることを示す。 我々のアプローチは無限次元函数空間で定式化され、本質的に離散化不変である。
  論文  参考訳（メタデータ） (2024-05-24T15:33:27Z)
• Improving Diffusion Models for Inverse Problems Using Optimal Posterior Covariance [52.093434664236014]
  近年の拡散モデルは、特定の逆問題に対して再訓練することなく、ノイズの多い線形逆問題に対する有望なゼロショット解を提供する。 この発見に触発されて、我々は、最大推定値から決定されるより原理化された共分散を用いて、最近の手法を改善することを提案する。
  論文  参考訳（メタデータ） (2024-02-03T13:35:39Z)
• Entropic Matching for Expectation Propagation of Markov Jump Processes [31.376561087029454]
  我々はマルコフジャンププロセスのための新しい、引き込み可能な潜在推論スキームを提案する。 我々のアプローチは、よく知られた予測伝搬アルゴリズムに組み込むことができるエントロピーマッチングフレームワークに基づいている。
  論文  参考訳（メタデータ） (2023-09-27T12:07:21Z)
• Flow Guidance Deformable Compensation Network for Video Frame Interpolation [33.106776459443275]
  既存の動きに基づく手法の欠点を克服するため,フローガイダンス変形補償ネットワーク(FGDCN)を提案する。 FGDCNは、フレームサンプリングプロセスをフローステップと変形ステップの2つのステップに分解する。 実験結果から,提案アルゴリズムはパラメータが少ない各種データセットに対して優れた性能を示すことがわかった。
  論文  参考訳（メタデータ） (2022-11-22T09:35:14Z)
• Improving Diffusion Models for Inverse Problems using Manifold Constraints [55.91148172752894]
  我々は,現在の解法がデータ多様体からサンプルパスを逸脱し,エラーが蓄積することを示す。 この問題に対処するため、多様体の制約に着想を得た追加の補正項を提案する。 本手法は理論上も経験上も従来の方法よりも優れていることを示す。
  論文  参考訳（メタデータ） (2022-06-02T09:06:10Z)
• Deep Feedback Inverse Problem Solver [141.26041463617963]
  逆問題に対する効率的で効果的で汎用的なアプローチを提案する。 我々は、フォワードプロセスが提供するフィードバック信号を活用し、反復的な更新モデルを学ぶ。 私たちのアプローチは前もってのプロセスに制限がなく、事前の知識も必要ありません。
  論文  参考訳（メタデータ） (2021-01-19T16:49:06Z)
• Composing Normalizing Flows for Inverse Problems [89.06155049265641]
  本稿では,2つの流れモデルの合成として,対象条件を推定する近似推論フレームワークを提案する。 本手法は,様々な逆問題に対して評価し,不確実性のある高品質な試料を作製することを示した。
  論文  参考訳（メタデータ） (2020-02-26T19:01:11Z)

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。