論文の概要: Fast and Robust Likelihood-Guided Diffusion Posterior Sampling with Amortized Variational Inference

• arxiv url: http://arxiv.org/abs/2602.07102v1
• Date: Fri, 06 Feb 2026 16:24:35 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-10 20:26:24.449432
• Title: Fast and Robust Likelihood-Guided Diffusion Posterior Sampling with Amortized Variational Inference
• Title（参考訳）: Amortized Variational Inference を用いた高速かつロバストなガイド付き拡散後腹膜サンプリング
• Authors: Léon Zheng, Thomas Hirtz, Yazid Janati, Eric Moulines,
• Abstract要約: 本稿では,拡散後サンプリングのためのアモータイズ戦略を導入する。 この戦略は拡散に基づく逆問題における効率性と柔軟性の間のトレードオフを改善する。
• 参考スコア（独自算出の注目度）: 22.234558509800426
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Zero-shot diffusion posterior sampling offers a flexible framework for inverse problems by accommodating arbitrary degradation operators at test time, but incurs high computational cost due to repeated likelihood-guided updates. In contrast, previous amortized diffusion approaches enable fast inference by replacing likelihood-based sampling with implicit inference models, but at the expense of robustness to unseen degradations. We introduce an amortization strategy for diffusion posterior sampling that preserves explicit likelihood guidance by amortizing the inner optimization problems arising in variational diffusion posterior sampling. This accelerates inference for in-distribution degradations while maintaining robustness to previously unseen operators, thereby improving the trade-off between efficiency and flexibility in diffusion-based inverse problems.
• Abstract（参考訳）: ゼロショット拡散後サンプリングは、任意の劣化演算子をテスト時に収容することで、逆問題に対する柔軟なフレームワークを提供するが、繰り返しチャンス誘導更新によって高い計算コストを発生させる。 対照的に、事前の償却拡散アプローチは、暗黙の推論モデルで確率に基づくサンプリングを置き換えることで高速な推論を可能にするが、目に見えない劣化に対して頑健さを犠牲にしている。 本稿では,拡散後サンプリングにおける内部最適化問題を補正することにより,明確な可能性指導を保ちつつ,拡散後サンプリングに対する償却戦略を提案する。 これにより、分散ベースの逆問題における効率性と柔軟性の間のトレードオフを改善することができる。

関連論文リスト

• On Stability and Robustness of Diffusion Posterior Sampling for Bayesian Inverse Problems [42.76879947185353]
  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。
  論文  参考訳（メタデータ） (2026-02-02T12:47:15Z)
• DAPS++: Rethinking Diffusion Inverse Problems with Decoupled Posterior Annealing [5.215481191227242]
  textbfDAPS++を導入することで,数値安定性を維持しつつ,推論をより直接的にガイドすることができる。 textbfDAPS++は、様々な画像復元タスク間で高い計算効率と堅牢な再構成性能を実現する。
  論文  参考訳（メタデータ） (2025-11-21T08:28:36Z)
• 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)
• EquiReg: Equivariance Regularized Diffusion for Inverse Problems [67.01847869495558]
  拡散に基づく逆問題解法における後方サンプリングを正規化するためのフレームワークであるEquiReg拡散法を提案する。 様々な解法に適用すると、EquiRegは線形および非線形画像復元タスクにおいて最先端の拡散モデルより優れる。
  論文  参考訳（メタデータ） (2025-05-29T01:25:43Z)
• 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)
• Diffusion Prior-Based Amortized Variational Inference for Noisy Inverse Problems [12.482127049881026]
  そこで本稿では, 償却変分推論の観点から, 拡散による逆問題の解法を提案する。 我々の償却推論は、測定結果を対応するクリーンデータの暗黙の後方分布に直接マッピングする関数を学習し、未知の計測でも単一ステップの後方サンプリングを可能にする。
  論文  参考訳（メタデータ） (2024-07-23T02:14:18Z)
• Improving Diffusion Models for Inverse Problems Using Optimal Posterior Covariance [52.093434664236014]
  近年の拡散モデルは、特定の逆問題に対して再訓練することなく、ノイズの多い線形逆問題に対する有望なゼロショット解を提供する。 この発見に触発されて、我々は、最大推定値から決定されるより原理化された共分散を用いて、最近の手法を改善することを提案する。
  論文  参考訳（メタデータ） (2024-02-03T13:35:39Z)
• Regularization by Texts for Latent Diffusion Inverse Solvers [55.97917698941313]
  本稿では,人間の視覚的あいまいさを知覚バイアスによって解決する能力に触発されて,テキストによる正規化(TReg)と呼ばれる新しい潜伏拡散逆解法を導入する。 実験の結果,TRegは逆問題におけるあいまいさを効果的に軽減し,精度と効率を両立させることがわかった。
  論文  参考訳（メタデータ） (2023-11-27T09:40:14Z)
• 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。