論文の概要: Regularized Schrödinger Bridge: Alleviating Distortion and Exposure Bias in Solving Inverse Problems

• arxiv url: http://arxiv.org/abs/2511.11686v3
• Date: Wed, 19 Nov 2025 07:16:07 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-20 13:41:21.079066
• Title: Regularized Schrödinger Bridge: Alleviating Distortion and Exposure Bias in Solving Inverse Problems
• Title（参考訳）: 正規化シュレーディンガー橋:逆問題解法における歪みと露出バイアスの軽減
• Authors: Qing Yao, Lijian Gao, Qirong Mao, Ming Dong,
• Abstract要約: 逆問題に適したシュルディンガー橋を適応した正規化シュルディンガー橋(RSB)を提案する。 RSBは、入力状態とターゲットの両方を摂動させ、露光バイアスを効果的に軽減する、新しい規則化されたトレーニング戦略を採用している。 音声強調のための2つの典型的な逆問題に対する大規模な実験は、RSBが最先端の手法より優れていることを示した。
• 参考スコア（独自算出の注目度）: 22.120889156634444
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Diffusion models serve as a powerful generative framework for solving inverse problems. However, they still face two key challenges: 1) the distortion-perception tradeoff, where improving perceptual quality often degrades reconstruction fidelity, and 2) the exposure bias problem, where the training-inference input mismatch leads to prediction error accumulation and reduced reconstruction quality. In this work, we propose the Regularized Schrödinger Bridge (RSB), an adaptation of Schrödinger Bridge tailored for inverse problems that addresses the above limitations. RSB employs a novel regularized training strategy that perturbs both the input states and targets, effectively mitigating exposure bias by exposing the model to simulated prediction errors and also alleviating distortion by well-designed interpolation via the posterior mean. Extensive experiments on two typical inverse problems for speech enhancement demonstrate that RSB outperforms state-of-the-art methods, significantly improving distortion metrics and effectively reducing exposure bias.
• Abstract（参考訳）: 拡散モデルは、逆問題を解決するための強力な生成フレームワークとして機能する。 しかし、それらは依然として2つの重要な課題に直面している。 1) 知覚品質の向上が再現の忠実度を低下させる場合の歪み知覚トレードオフ 2) トレーニング推論入力ミスマッチが予測誤差の蓄積と再構成品質の低下につながる露光バイアス問題。 本研究では、上記の制限に対処する逆問題に適したシュレーディンガー橋の適応である正規化シュレーディンガー橋(RSB)を提案する。 RSBは、入力状態とターゲットの両方を乱す新しい規則化されたトレーニング戦略を採用し、予測誤差のシミュレーションにモデルを公開することにより、露光バイアスを効果的に軽減し、後部平均による適切に設計された補間による歪みを軽減する。 音声強調のための2つの典型的な逆問題に対する広範な実験により、RSBは最先端の手法よりも優れ、歪みの指標を大幅に改善し、露光バイアスを効果的に低減することを示した。

関連論文リスト

• SynCast: Synergizing Contradictions in Precipitation Nowcasting via Diffusion Sequential Preference Optimization [62.958457694151384]
  本研究では,大規模な言語モデルにおける人的フィードバックからの強化学習の成功を動機として,降水量の最適化を初めて導入する。 第一段階では、フレームワークはFARを減らすことに焦点を当て、誤報を効果的に抑えるためにモデルを訓練する。
  論文  参考訳（メタデータ） (2025-10-22T16:11:22Z)
• Unlocking the Potential of Diffusion Priors in Blind Face Restoration [63.419272650578165]
  本研究では、2つのモードを切り替えて特定のギャップを解消する統合ネットワークFLIPNETを提案する。 復元モードでは、モデルは徐々にBFR指向の特徴とLQ画像からの顔埋め込みを統合し、真正かつ忠実な顔復元を実現する。 劣化モードでは、実際の劣化データセットから学んだ知識に基づいて、劣化した画像のような現実世界を合成する。
  論文  参考訳（メタデータ） (2025-08-12T01:50:55Z)
• Solving Inverse Problems with FLAIR [68.87167940623318]
  本稿では,フローベース生成モデルを逆問題に先立って活用する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)
• Guided MRI Reconstruction via Schrödinger Bridge [15.448360566887407]
  コントラスト前のコントラストを利用して、アンダーサンプルデータから画像再構成を改善することができる。 $mathbfI2$SB-InversionはSchr"odinger Bridge (SB)に基づくガイド付き再構築フレームワークである。
  論文  参考訳（メタデータ） (2024-11-21T16:25:56Z)
• Measurement Embedded Schrödinger Bridge for Inverse Problems [11.683312630679568]
  Image-to-Image Schr"odinger Bridge (I$2$SB) は、逆問題に対処する先駆者として有望な選択肢を提示している。 MESBは、破損した画像の分布とクリーンな画像の分布の間に、Schr"odinger Bridgeを確立する。 提案手法は,既存のSchr"odinger Bridgeをベースとした逆問題解法と比較して,視覚的品質と定量的指標の両方において優れた性能を示す。
  論文  参考訳（メタデータ） (2024-05-23T01:44:01Z)
• Convex Latent-Optimized Adversarial Regularizers for Imaging Inverse Problems [8.33626757808923]
  本稿では,新しいデータ駆動型パラダイムであるConvex Latent-d Adrial Regularizers (CLEAR)を紹介する。 CLEARは、ディープラーニング(DL)と変分正規化の融合を表す。 本手法は従来型のデータ駆動手法と従来型の正規化手法を一貫して上回っている。
  論文  参考訳（メタデータ） (2023-09-17T12:06:04Z)
• DiracDiffusion: Denoising and Incremental Reconstruction with Assured Data-Consistency [24.5360032541275]
  拡散モデルは、画像復元を含む多数のコンピュータビジョンタスクにおいて、この技術の新たな状態を確立した。 逆問題解決のための新しい枠組みを提案する。つまり、観測は徐々に劣化し、元のクリーンイメージにノイズを与える劣化過程から来ていると仮定する。 本手法は, 逆過程を通じて元の計測値との整合性を維持し, 歪み指標の改善と早期ストッピングによるサンプリング高速化のために, 知覚品質のトレードオフに優れた柔軟性を実現する。
  論文  参考訳（メタデータ） (2023-03-25T04:37:20Z)
• DiffusionAD: Norm-guided One-step Denoising Diffusion for Anomaly Detection [80.20339155618612]
  DiffusionADは、再構成サブネットワークとセグメンテーションサブネットワークからなる、新しい異常検出パイプラインである。 高速なワンステップデノゲーションパラダイムは、同等の再現品質を維持しながら、数百倍の加速を達成する。 異常の出現の多様性を考慮し、複数のノイズスケールの利点を統合するためのノルム誘導パラダイムを提案する。
  論文  参考訳（メタデータ） (2023-03-15T16:14:06Z)
• DR2: Diffusion-based Robust Degradation Remover for Blind Face Restoration [66.01846902242355]
  ブラインド顔復元は通常、トレーニングのための事前定義された劣化モデルで劣化した低品質データを合成する。 トレーニングデータに現実のケースをカバーするために、あらゆる種類の劣化を含めることは、高価で実現不可能である。 本稿では、まず、劣化した画像を粗いが劣化不変な予測に変換し、次に、粗い予測を高品質な画像に復元するために拡張モジュールを使用するロバスト劣化再帰法(DR2)を提案する。
  論文  参考訳（メタデータ） (2023-03-13T06:05:18Z)

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。