論文の概要: On Stability and Robustness of Diffusion Posterior Sampling for Bayesian Inverse Problems

• arxiv url: http://arxiv.org/abs/2602.02045v1
• Date: Mon, 02 Feb 2026 12:47:15 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-03 19:28:34.149359
• Title: On Stability and Robustness of Diffusion Posterior Sampling for Bayesian Inverse Problems
• Title（参考訳）: ベイズ逆問題に対する拡散後サンプリングの安定性とロバスト性について
• Authors: Yiming Yang, Xiaoyuan Cheng, Yi He, Kaiyu Li, Wenxuan Yuan, Zhuo Sun,
• Abstract要約: 拡散に基づく解法は、生成過程を導くために、BIPにおける観測が想定される可能性に依存する。 このギャップを後部近似誤差を特徴付けることにより橋渡しし,拡散型解法のエンハンスタビリティを実証する。 本稿では, 既存の勾配型後方サンプリング装置と互換性があり, イントロバスト拡散後サンプリング法を提案する。
• 参考スコア（独自算出の注目度）: 42.76879947185353
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Diffusion models have recently emerged as powerful learned priors for Bayesian inverse problems (BIPs). Diffusion-based solvers rely on a presumed likelihood for the observations in BIPs to guide the generation process. However, the link between likelihood and recovery quality for BIPs is unclear in previous works. We bridge this gap by characterizing the posterior approximation error and proving the \emph{stability} of the diffusion-based solvers. Meanwhile, an immediate result of our findings on stability demonstrates the lack of robustness in diffusion-based solvers, which remains unexplored. This can degrade performance when the presumed likelihood mismatches the unknown true data generation processes. To address this issue, we propose a simple yet effective solution, \emph{robust diffusion posterior sampling}, which is provably \emph{robust} and compatible with existing gradient-based posterior samplers. Empirical results on scientific inverse problems and natural image tasks validate the effectiveness and robustness of our method, showing consistent performance improvements under challenging likelihood misspecifications.
• Abstract（参考訳）: 拡散モデルは近年ベイズ逆問題(BIP)の強力な学習先として出現している。 拡散に基づく解法は、生成過程を導くために、BIPにおける観測が想定される可能性に依存する。 しかし,BIPの回復率と回復品質の関連性は,これまでの研究では明らかではなかった。 このギャップを後部近似誤差を特徴付けることにより橋渡しし,拡散型解法のemph{stability}を証明する。 一方, 安定度に関する知見の即時的な結果は, 未探索の拡散型解法におけるロバスト性の欠如を示している。 これは、推定される確率が未知の真のデータ生成プロセスと一致しない場合にパフォーマンスを低下させる可能性がある。 この問題に対処するために,既存の勾配型後方サンプリング装置と互換性のある,単純で効果的な方法である<emph{robust 拡散後サンプリング(emph{robust 拡散後サンプリング)を提案する。 科学的逆問題と自然画像課題に関する実証的な結果から,本手法の有効性とロバスト性を検証し,不確実な不特定性の下で一貫した性能向上を示す。

関連論文リスト

• Test-Time Anchoring for Discrete Diffusion Posterior Sampling [38.507644561076894]
  後方サンプリングは、事前訓練された離散拡散基礎モデルにとって難しい問題である。 マスク拡散基礎モデルのためのAnchored Posterior Smpling (APS) を提案する。 本手法は線形および非線形逆問題に対する離散拡散サンプリング器の最先端性能を実現する。
  論文  参考訳（メタデータ） (2025-10-02T17:58:37Z)
• 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)
• Benchmarking Diffusion Annealing-Based Bayesian Inverse Problem Solvers [4.429516572803286]
  本研究は拡散モデルに基づくサンプリング器の性能評価のための3つのベンチマーク問題を紹介する。 ベンチマーク問題は、画像インペイント、X線トモグラフィー、位相検索の問題にインスパイアされている。 この設定では、近似的な接地トラス後部サンプルを得ることができ、後部サンプリングアルゴリズムの性能を原則的に評価することができる。
  論文  参考訳（メタデータ） (2025-03-04T21:07:15Z)
• 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)
• Diffusion Posterior Sampling for General Noisy Inverse Problems [50.873313752797124]
  我々は、後方サンプリングの近似により、雑音(非線形)逆問題に対処するために拡散解法を拡張した。 本手法は,拡散モデルが様々な計測ノイズ統計を組み込むことができることを示す。
  論文  参考訳（メタデータ） (2022-09-29T11:12:27Z)

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。