論文の概要: Equivariant Deep Equilibrium Models for Imaging Inverse Problems

• arxiv url: http://arxiv.org/abs/2511.18667v1
• Date: Mon, 24 Nov 2025 00:43:54 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-25 18:34:24.957317
• Title: Equivariant Deep Equilibrium Models for Imaging Inverse Problems
• Title（参考訳）: 逆問題の画像化のための等変深度平衡モデル
• Authors: Alexander Mehta, Ruangrawee Kitichotkul, Vivek K Goyal, Julián Tachella,
• Abstract要約: 等変イメージング(EI)は、地上の真実データを必要とせず、信号再構成モデルを訓練することができる。 バックプロパゲーションはモジュール的に実装でき、トレーニングが簡単になる。 EI で訓練された DEQ が以前の不変量の近位写像に近似する証拠が見つかる。
• 参考スコア（独自算出の注目度）: 50.91616288661183
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Equivariant imaging (EI) enables training signal reconstruction models without requiring ground truth data by leveraging signal symmetries. Deep equilibrium models (DEQs) are a powerful class of neural networks where the output is a fixed point of a learned operator. However, training DEQs with complex EI losses requires implicit differentiation through fixed-point computations, whose implementation can be challenging. We show that backpropagation can be implemented modularly, simplifying training. Experiments demonstrate that DEQs trained with implicit differentiation outperform those trained with Jacobian-free backpropagation and other baseline methods. Additionally, we find evidence that EI-trained DEQs approximate the proximal map of an invariant prior.
• Abstract（参考訳）: 等変イメージング(EI)は、信号対称性を利用して、地上の真実データを必要とせず、信号再構成モデルを訓練することができる。 深部平衡モデル(Deep equilibrium model, DEQs)は、学習した演算子の定点を出力とするニューラルネットワークの強力なクラスである。 しかし、複雑なEI損失を伴うDECのトレーニングには、不動点計算による暗黙の微分が必要であり、その実装は困難である。 バックプロパゲーションはモジュール的に実装でき、トレーニングが簡単になる。 実験により、暗黙の分化で訓練されたDECは、ヤコビアンフリーのバックプロパゲーションやその他のベースライン法で訓練された者より優れていることが示された。 さらに、EI で訓練された DEQ が以前の不変量の近位写像に近似する証拠が見つかる。

関連論文リスト

• GenUQ: Predictive Uncertainty Estimates via Generative Hyper-Networks [0.0]
  演算子学習は関数間の写像への回帰の一般化である。 既に海氷、燃焼、大気物理学のモデリングなど、いくつかの分野で応用例が見つかっている。 我々は、生成的ハイパーネットワークモデルを導入することにより、可能性を構築することを避けるため、UQに対する測度理論的アプローチであるGenUQを紹介する。
  論文  参考訳（メタデータ） (2025-09-25T21:19:03Z)
• Strategies for training point distributions in physics-informed neural networks [0.0]
  物理インフォームドニューラルネットワークは、それらの構造と与えられた条件を直接損失関数に組み込むことで微分方程式の近似にアプローチする。 本稿では,本手法のコアコンポーネントであるトレーニングポイント分布について検討し,評価する。 その結果, 学習点が解の精度に与える影響が示され, 微分方程式の特性に関係している証拠が得られた。
  論文  参考訳（メタデータ） (2025-08-17T09:40:49Z)
• Deep Equilibrium models for Poisson Imaging Inverse problems via Mirror Descent [7.248102801711294]
  ディープ平衡モデル(Deep Equilibrium Models、DEQ)は、固定点を持つ暗黙のニューラルネットワークである。 我々は、非ユークリッド幾何学の仕方で定義されるミラー・ディクセントに基づく新しいDEC式を導入する。 本稿では,効率的なトレーニングと完全パラメータフリー推論が可能な計算戦略を提案する。
  論文  参考訳（メタデータ） (2025-07-15T16:33:01Z)
• Rao-Blackwell Gradient Estimators for Equivariant Denoising Diffusion [55.95767828747407]
  分子やタンパク質の生成のようなドメインでは、物理系はモデルにとって重要な固有の対称性を示す。 学習のばらつきを低減し、確率的に低い分散勾配推定器を提供するフレームワークを提案する。 また,軌道拡散法(Orbit Diffusion)と呼ばれる手法を用いて,損失とサンプリングの手順を取り入れた推定器の実用的実装を提案する。
  論文  参考訳（メタデータ） (2025-02-14T03:26:57Z)
• DeltaPhi: Physical States Residual Learning for Neural Operators in Data-Limited PDE Solving [54.605760146540234]
  DeltaPhiは、PDE解決タスクを、直接入力出力マッピングの学習から、類似の物理的状態間の残差学習に変換する、新しい学習フレームワークである。 大規模な実験は、様々な物理的システムにまたがって一貫した、重要な改善を示す。
  論文  参考訳（メタデータ） (2024-06-14T07:45:07Z)
• 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)
• Variational operator learning: A unified paradigm marrying training neural operators and solving partial differential equations [9.148052787201797]
  ニューラル演算子を訓練し、変分形式でPDEを解くための統一的な枠組みを提供する新しいパラダイムを提案する。 ラベルなしのトレーニングセットと5ラベルのみのシフトセットにより、VOLは、未ラベルデータの量に関して、そのテストエラーが電力法則で減少して解演算子を学習する。
  論文  参考訳（メタデータ） (2023-04-09T13:20:19Z)
• IB-UQ: Information bottleneck based uncertainty quantification for neural function regression and neural operator learning [11.5992081385106]
  本稿では,科学的機械学習タスクのための情報ボトルネック(IB-UQ)による不確実性定量化のための新しいフレームワークを提案する。 我々は,入力データの信頼度に応じて,入力を潜在表現に符号化する信頼認識エンコーダによってボトルネックを埋め込む。 また,外挿不確かさの質を高めるために,データ拡張に基づく情報ボトルネック目標を提案する。
  論文  参考訳（メタデータ） (2023-02-07T05:56:42Z)
• Equivariant vector field network for many-body system modeling [65.22203086172019]
  Equivariant Vector Field Network (EVFN) は、新しい同変層と関連するスカラー化およびベクトル化層に基づいて構築されている。 シミュレーションされたニュートン力学系の軌跡を全観測データと部分観測データで予測する手法について検討した。
  論文  参考訳（メタデータ） (2021-10-26T14:26:25Z)
• Autoencoding Variational Autoencoder [56.05008520271406]
  我々は,この行動が学習表現に与える影響と,自己整合性の概念を導入することでそれを修正する結果について検討する。 自己整合性アプローチで訓練されたエンコーダは、敵攻撃による入力の摂動に対して頑健な(無神経な)表現につながることを示す。
  論文  参考訳（メタデータ） (2020-12-07T14:16:14Z)

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。