論文の概要: Inference-Time Search using Side Information for Diffusion-based Image Reconstruction

• arxiv url: http://arxiv.org/abs/2510.03352v1
• Date: Thu, 02 Oct 2025 20:16:00 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-07 16:52:58.922099
• Title: Inference-Time Search using Side Information for Diffusion-based Image Reconstruction
• Title（参考訳）: 拡散画像再構成のためのサイド情報を用いた推測時間探索
• Authors: Mahdi Farahbakhsh, Vishnu Teja Kunde, Dileep Kalathil, Krishna Narayanan, Jean-Francois Chamberland,
• Abstract要約: 本稿では,その側情報を用いてサンプリングプロセスを導出する新しい推論時間探索アルゴリズムを提案する。 我々のアプローチは、既存の拡散ベースの画像再構成パイプラインにシームレスに統合できる。
• 参考スコア（独自算出の注目度）: 8.116163579233064
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Diffusion models have emerged as powerful priors for solving inverse problems. However, existing approaches typically overlook side information that could significantly improve reconstruction quality, especially in severely ill-posed settings. In this work, we propose a novel inference-time search algorithm that guides the sampling process using the side information in a manner that balances exploration and exploitation. This enables more accurate and reliable reconstructions, providing an alternative to the gradient-based guidance that is prone to reward-hacking artifacts. Our approach can be seamlessly integrated into a wide range of existing diffusion-based image reconstruction pipelines. Through extensive experiments on a number of inverse problems, such as box inpainting, super-resolution, and various deblurring tasks including motion, Gaussian, nonlinear, and blind deblurring, we show that our approach consistently improves the qualitative and quantitative performance of diffusion-based image reconstruction algorithms. We also show the superior performance of our approach with respect to other baselines, including reward gradient-based guidance algorithms. The code is available at \href{https://github.com/mhdfb/sideinfo-search-reconstruction}{this repository}.
• Abstract（参考訳）: 拡散モデルは、逆問題を解決するための強力な先行要因として現れてきた。 しかし、既存のアプローチは、特に深刻な状況下では、再構築品質を大幅に改善できるサイド情報を見落としているのが一般的である。 本研究では,探索と利用のバランスをとる方法で,側情報を用いてサンプリングプロセスのガイドを行う新しい推論時探索アルゴリズムを提案する。 これにより、より正確で信頼性の高い再構築が可能になる。 我々のアプローチは、既存の拡散ベースの画像再構成パイプラインにシームレスに統合できる。 ボックスインペイント,超解像,動作,ガウス,非線形,ブラインドデブロアリングなど,さまざまな逆問題に対する広範な実験を通じて,本手法は拡散に基づく画像再構成アルゴリズムの定性的,定量的な性能を一貫して改善することを示した。 また、報酬勾配に基づくガイダンスアルゴリズムを含む、他のベースラインに対するアプローチの優れた性能を示す。 コードは \href{https://github.com/mhdfb/sideinfo-search-reconstruction}{this repository} で公開されている。

関連論文リスト

• From Image Denoisers to Regularizing Imaging Inverse Problems: An Overview [10.381324512554835]
  逆問題は現代のイメージング科学の中心にあり、医療画像、リモートセンシング、顕微鏡などの分野に広く応用されている。 近年、データ駆動の正則化器がますます使われるように、イメージングの逆問題解決のパラダイムシフトが見られた。 データ駆動型正規化の顕著なアプローチは、反復的画像再構成アルゴリズムにおいて、学習された画像復号器を暗黙の先行として使用することである。
  論文  参考訳（メタデータ） (2025-09-03T16:54:59Z)
• Diffusion Models for Solving Inverse Problems via Posterior Sampling with Piecewise Guidance [52.705112811734566]
  断片的なガイダンススキームを用いて,逆問題を解決するための新しい拡散型フレームワークが導入された。 提案手法は問題に依存しず,様々な逆問題に容易に適応できる。 このフレームワークは, (4時間), (8時間) の超分解能タスクに対して, (23%), (24%) および (24%) の無作為マスクを塗布する場合の (25%) の推論時間を短縮する。
  論文  参考訳（メタデータ） (2025-07-22T19:35:14Z)
• Learning Efficient and Effective Trajectories for Differential Equation-based Image Restoration [59.744840744491945]
  本稿では, この手法の軌道最適化を改良し, 復元品質と効率の両立に焦点をあてる。 反復サンプリングに伴うかなりの計算負担を軽減するため,コストを考慮したトラジェクトリー蒸留法を提案する。 提案アルゴリズムを用いて基礎拡散モデル(FLUX)を12Bパラメータで微調整し、7種類の画像復元タスクを処理する統一的なフレームワークを作成する。
  論文  参考訳（メタデータ） (2024-10-07T07:46:08Z)
• Inverse Problems with Diffusion Models: A MAP Estimation Perspective [5.002087490888723]
  コンピュータでは、インペイント、デブロアリング、超解像などの画像復元タスクを逆問題として形式的にモデル化することができる。 本研究では,連続時間拡散モデルの逆条件生成過程をモデル化するMAP推定フレームワークを提案する。 提案手法を用いて,画像復元のための効率的なアルゴリズムを開発した。
  論文  参考訳（メタデータ） (2024-07-27T15:41:13Z)
• 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)
• Diffusion Posterior Illumination for Ambiguity-aware Inverse Rendering [63.24476194987721]
  画像からシーン特性を推定する逆レンダリングは、困難な逆問題である。 既存のソリューションの多くは、プリエントを逆レンダリングパイプラインに組み込んで、プラウシブルなソリューションを奨励している。 本稿では,自然照明マップ上で事前学習した確率拡散モデルを最適化フレームワークに統合する手法を提案する。
  論文  参考訳（メタデータ） (2023-09-30T12:39:28Z)
• Deep Variational Network Toward Blind Image Restoration [60.45350399661175]
  ブラインド画像復元はコンピュータビジョンでは一般的だが難しい問題である。 両利点を両立させることを目的として,新しいブラインド画像復元手法を提案する。 画像デノイングと超解像という2つの典型的なブラインド赤外線タスクの実験により,提案手法が現状よりも優れた性能を達成できることが実証された。
  論文  参考訳（メタデータ） (2020-08-25T03:30:53Z)

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。