論文の概要: A Gibbs posterior sampler for inverse problem based on prior diffusion model

• arxiv url: http://arxiv.org/abs/2602.11059v1
• Date: Wed, 11 Feb 2026 17:28:11 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-12 21:44:02.242476
• Title: A Gibbs posterior sampler for inverse problem based on prior diffusion model
• Title（参考訳）: 先行拡散モデルに基づく逆問題に対するギブス後部サンプリング器
• Authors: Jean-François Giovannelli,
• Abstract要約: 本稿では,(1) 観測系が線形変換と付加雑音によってモデル化された場合の逆転問題,(2) 問題が正しくない場合,(2) ベイジアンフレームワークに事前密度で正規化を導入し,(3) 後者は,利用可能な大集合に基づいて調整された拡散過程によってモデル化される場合の逆転問題に対処する。
• 参考スコア（独自算出の注目度）: 1.218340575383456
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: This paper addresses the issue of inversion in cases where (1) the observation system is modeled by a linear transformation and additive noise, (2) the problem is ill-posed and regularization is introduced in a Bayesian framework by an a prior density, and (3) the latter is modeled by a diffusion process adjusted on an available large set of examples. In this context, it is known that the issue of posterior sampling is a thorny one. This paper introduces a Gibbs algorithm. It appears that this avenue has not been explored, and we show that this approach is particularly effective and remarkably simple. In addition, it offers a guarantee of convergence in a clearly identified situation. The results are clearly confirmed by numerical simulations.
• Abstract（参考訳）: 本稿では,(1) 観測系が線形変換と付加雑音によってモデル化された場合の逆転問題,(2) 問題が正しくない場合,(2) ベイジアンフレームワークに事前密度で正規化を導入し,(3) 後者は,利用可能な大集合に基づいて調整された拡散過程によってモデル化される場合の逆転問題に対処する。 この文脈では、後部サンプリングの問題は角質のものであることが知られている。 本稿では,ギブズアルゴリズムを提案する。 この経路は検討されていないようで,本手法は特に有効で極めて単純であることを示す。 さらに、明確に特定された状況における収束の保証を提供する。 その結果,数値シミュレーションにより明らかに確認された。

関連論文リスト

• The Gaussian Latent Machine: Efficient Prior and Posterior Sampling for Inverse Problems [19.914084083626694]
  本稿では,新しい潜伏変数モデルに容易に適用可能であることを示す。 これにより、多くの既存のサンプリングアルゴリズムを統一し一般化する一般的なサンプリング手法が導かれる。
  論文  参考訳（メタデータ） (2025-05-19T08:21:23Z)
• Generative diffusion for perceptron problems: statistical physics analysis and efficient algorithms [2.860608352191896]
  高次元極限における非数値重み付きパーセプトロン問題のランダムな例を考察する。 我々は、生成アルゴリズムを用いて近似サンプリング空間を予測するためのレプリカ理論に基づくフォーマリズムを開発する。
  論文  参考訳（メタデータ） (2025-02-22T16:43:01Z)
• Bayesian Circular Regression with von Mises Quasi-Processes [57.88921637944379]
  本研究では、円値ランダム関数上の表現的および解釈可能な分布の族を探索する。 後部推論のために,高速ギブズサンプリングに寄与するストラトノビッチ様拡張法を導入する。 本研究では,このモデルを用いて風向予測と走行歩行周期のパーセンテージを関節角度の関数として適用する実験を行った。
  論文  参考訳（メタデータ） (2024-06-19T01:57:21Z)
• Regularization by denoising: Bayesian model and Langevin-within-split Gibbs sampling [6.453497703172228]
  本稿では,正則化・復号化(RED)パラダイムと相反する確率的手法を導出することにより,画像インバージョンのためのベイズ的枠組みを提案する。 これは、AXDA(Anally exact data augmentation)に基づいて、結果の後方分布からサンプリングするために特別に調整されたモンテカルロアルゴリズムを実装している。 提案アルゴリズムはスプリットギブスサンプリング(SGS)の近似例であり、ランゲヴィン・モンテカルロのステップを埋め込む。
  論文  参考訳（メタデータ） (2024-02-19T17:12:16Z)
• Solving Linear Inverse Problems Provably via Posterior Sampling with Latent Diffusion Models [98.95988351420334]
  本稿では,事前学習した潜在拡散モデルを利用した線形逆問題の解法を初めて提案する。 線形モデル設定において,証明可能なサンプル回復を示すアルゴリズムを理論的に解析する。
  論文  参考訳（メタデータ） (2023-07-02T17:21:30Z)
• Plug-and-Play split Gibbs sampler: embedding deep generative priors in Bayesian inference [12.91637880428221]
  本稿では, 後方分布から効率的にサンプリングするために, 可変分割を利用したプラグアンドプレイサンプリングアルゴリズムを提案する。 後方サンプリングの課題を2つの単純なサンプリング問題に分割する。 その性能は最近の最先端の最適化とサンプリング手法と比較される。
  論文  参考訳（メタデータ） (2023-04-21T17:17:51Z)
• GibbsDDRM: A Partially Collapsed Gibbs Sampler for Solving Blind Inverse Problems with Denoising Diffusion Restoration [64.8770356696056]
  本稿では,DDRM(Denoising Diffusion Restoration Models)の拡張であるGibbsDDRMを提案する。 提案手法は問題に依存しないため,様々な逆問題に対して事前学習した拡散モデルを適用することができる。
  論文  参考訳（メタデータ） (2023-01-30T06:27:48Z)
• Parameterizing uncertainty by deep invertible networks, an application to reservoir characterization [0.9176056742068814]
  フルウェーブフォーム逆転に対する不確かさの定量化は、問題の条件の不確かさを確率論的に特徴づける。 本研究では,モデル空間へのガウス的ランダム入力を,実際の後部分布からサンプリングしたかのように「前方」に学習するディープネットワークを特徴とするアプローチを提案する。
  論文  参考訳（メタデータ） (2020-04-16T18:37:56Z)
• Composing Normalizing Flows for Inverse Problems [89.06155049265641]
  本稿では,2つの流れモデルの合成として,対象条件を推定する近似推論フレームワークを提案する。 本手法は,様々な逆問題に対して評価し,不確実性のある高品質な試料を作製することを示した。
  論文  参考訳（メタデータ） (2020-02-26T19:01:11Z)

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。