論文の概要: Measurement-Guided Consistency Model Sampling for Inverse Problems
- arxiv url: http://arxiv.org/abs/2510.02208v1
- Date: Thu, 02 Oct 2025 16:53:07 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-10-03 16:59:21.229523
- Title: Measurement-Guided Consistency Model Sampling for Inverse Problems
- Title（参考訳）: 逆問題に対する測定誘導一貫性モデルサンプリング
- Authors: Amirreza Tanevardi, Pooria Abbas Rad Moghadam, Sajjad Amini,
- Abstract要約: 一貫性モデルは、単一または数ステップで高品質な生成を可能にする。
逆問題再構成に適した整合性サンプリング手法を提案する。
- 参考スコア（独自算出の注目度）: 2.217547045999963
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Diffusion models have become powerful generative priors for solving inverse imaging problems, but their reliance on slow multi-step sampling limits practical deployment. Consistency models address this bottleneck by enabling high-quality generation in a single or only a few steps, yet their direct adaptation to inverse problems is underexplored. In this paper, we present a modified consistency sampling approach tailored for inverse problem reconstruction: the sampler's stochasticity is guided by a measurement-consistency mechanism tied to the measurement operator, which enforces fidelity to the acquired measurements while retaining the efficiency of consistency-based generation. Experiments on Fashion-MNIST and LSUN Bedroom datasets demonstrate consistent improvements in perceptual and pixel-level metrics, including Fr\'echet Inception Distance, Kernel Inception Distance, peak signal-to-noise ratio, and structural similarity index measure, compared to baseline consistency sampling, yielding competitive or superior reconstructions with only a handful of steps.
- Abstract（参考訳）: 拡散モデルは、逆画像の問題を解決するための強力な生成先行要因となっているが、遅いマルチステップサンプリングに依存するため、実用的な展開が制限されている。
一貫性モデルは、単一またはわずかのステップで高品質な生成を可能にすることで、このボトルネックに対処するが、逆問題への直接的な適応は未定である。
本稿では, 逆問題再構成に適した改良された整合性サンプリング手法を提案する: サンプルの確率性は, 整合性に基づく生成の効率を維持しつつ, 得られた測定に忠実さを強制する測定演算子に結合した測定整合性機構によって導かれる。
Fashion-MNIST と LSUN Bedroom データセットの実験では,Fr'echet Inception Distance, Kernel Inception Distance, peak signal-to-noise ratio, Structure similarity index measure などの知覚レベルと画素レベルのメトリクスが,ベースラインの一貫性サンプリングと比較して一貫した改善がみられた。
関連論文リスト
- Solving Inverse Problems with FLAIR [59.02385492199431]
フローベースの潜在生成モデルは、驚くべき品質の画像を生成でき、テキスト・ツー・イメージ生成も可能である。
本稿では,フローベース生成モデルを逆問題の前兆として活用する新しい学習自由変分フレームワークFLAIRを提案する。
標準画像ベンチマークの結果、FLAIRは再現性やサンプルの多様性の観点から、既存の拡散法や流れ法よりも一貫して優れていることが示された。
論文 参考訳（メタデータ） (2025-06-03T09:29:47Z) - SITCOM: Step-wise Triple-Consistent Diffusion Sampling for Inverse Problems [14.2814208019426]
拡散モデル(英: Diffusion Model、DM)は、トレーニングセット上で学習した分布からサンプリングできる生成モデルのクラスである。
測定一貫性拡散軌道を達成するための3つの条件を述べる。
我々は,標準データ多様体測定一貫性と前方拡散一貫性を強制するだけでなく,提案したステップワイドおよびネットワーク正規化後方拡散一貫性を取り入れた新しい最適化に基づくサンプリング手法を提案する。
論文 参考訳（メタデータ） (2024-10-06T13:39:36Z) - 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) - Improving Diffusion Inverse Problem Solving with Decoupled Noise Annealing [84.97865583302244]
Decoupled Annealing Posterior Smpling (DAPS) と呼ばれる新しい手法を提案する。
DAPSは、新しいノイズアニール法に依存している。
DAPSは複数の画像復元作業において,サンプル品質と安定性を著しく向上することを示した。
論文 参考訳（メタデータ） (2024-07-01T17:59:23Z) - Adapt and Diffuse: Sample-adaptive Reconstruction via Latent Diffusion Models [24.5360032541275]
逆問題は、ノイズや(非線形でない)観測からクリーンな信号を回復することが目的である複数のアプリケーションで発生する。
我々のキーとなる観察は、既存の逆問題解決器のほとんどは、再構成作業の難易度に計算力を適応させる能力が欠如していることである。
オートエンコーダの潜時空間における劣化信号の劣化度を推定するために,$textitseverity encoding$という新しい手法を提案する。
論文 参考訳（メタデータ） (2023-09-12T23:41:29Z) - 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)
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。