論文の概要: Geometry-Correct Diffusion Posterior Sampling with Denoiser-Pullback Curvature Guidance and Manifold-Aligned Damping

• arxiv url: http://arxiv.org/abs/2605.27990v1
• Date: Wed, 27 May 2026 05:29:35 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-28 17:38:55.769989
• Title: Geometry-Correct Diffusion Posterior Sampling with Denoiser-Pullback Curvature Guidance and Manifold-Aligned Damping
• Title（参考訳）: Denoiser-Pullback Curvature Guidance と Manifold-Aligned Damping を用いた幾何補正拡散後方サンプリング
• Authors: Seunghyeok Shin, Minwoo Kim, Dabin Kim, Hongki Lim,
• Abstract要約: 我々は、スカラー誘導をノイズレベルごとの減衰ガウスに置き換える。-拡散状態座標で計算されたニュートン補正。 競合するPSNR/SSIM/LPIPSを実現し、比較したベースラインのほとんどよりも大幅に高速である。
• 参考スコア（独自算出の注目度）: 2.9985000712079426
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Diffusion posterior sampling conditions diffusion priors on measurements, but data-consistency updates are typically scaled by hand-tuned guidance weights and can destabilize sampling under stiff, operator-dependent curvature. We replace scalar guidance with a per-noise-level damped Gauss--Newton correction computed in diffusion-state coordinates. The correction pulls likelihood gradients back through the denoiser, uses a one-sided curvature model that avoids forward denoiser Jacobians, and applies diffusion-calibrated rank-one damping aligned with the denoiser residual. Each correction is solved with matrix-free GMRES using automatic differentiation, and sampling proceeds with a variance-preserving Langevin transition with a closed-form drift/noise split. On FFHQ and ImageNet across inverse problems, it achieves competitive PSNR/SSIM/LPIPS while running markedly faster than most of the compared baselines; on accelerated MRI reconstruction, it achieves the best PSNR/SSIM among the compared baselines.
• Abstract（参考訳）: 拡散後サンプリング条件は測定に先立って拡散するが、データ一貫性の更新は通常手作業によるガイダンスウェイトによってスケールされ、厳密で演算子に依存した曲率の下でサンプリングを不安定にすることができる。 我々は、スカラー誘導をノイズレベルごとの減衰ガウスに置き換える。-拡散状態座標で計算されたニュートン補正。 この補正は、デノイザーを遡り、前方のデノイザージャコビアンを避ける一方の曲率モデルを使用し、デノイザー残差に沿う拡散校正ランク1の減衰を適用する。 各補正は自動微分を用いて行列のないGMRESで解き、サンプリングは、閉形式ドリフト/ノイズ分割による分散保存ランゲイン遷移で進行する。 FFHQとImageNetでは、競合するPSNR/SSIM/LPIPSを、比較ベースラインのほとんどよりも大幅に高速に実行し、高速なMRI再構成では、比較ベースラインの中で最高のPSNR/SSIMを達成する。

関連論文リスト

• Coverage Analysis of Rydberg Atom Quantum Receiver Arrays: A Stochastic Geometry Approach [55.47164192369501]
  ライドバーグ原子量子受信機(RAQR)は、量子制限感度とブロードバンドチューナビリティを提供する。 密集した展開において、集合的干渉は原子トランスデューサを小さな信号状態から外すことができる。 本稿では、RAQRフロントエンドを幾何学的カバレッジ分析に埋め込むことで、この問題に対処する。
  論文  参考訳（メタデータ） (2026-05-22T04:05:13Z)
• Improving Diffusion Posterior Samplers with Lagged Temporal Corrections for Image Restoration [1.2891189282516038]
  拡散法に基づく後方サンプリング(PS)は、逆問題の画像化における主要なフレームワークである。 PSは、逆ダイナミクスにおける時間的変動を誘発する即時的なデータ一貫性の推定に依存している。 第二次更新とPS手法を特徴付ける残差補正を組み合わせたLAMPを提案する。
  論文  参考訳（メタデータ） (2026-05-12T11:38:36Z)
• Diffusion-Based Posterior Sampling: A Feynman-Kac Analysis of Bias and Stability [13.640937605089865]
  拡散に基づく後部サンプリングは、測定または報酬条件後部からのサンプリングに事前訓練された拡散を利用する。 本稿では,真の後部を標準ガウスに接続し,サンプルパスと比較するトラクタブルサロゲートパスを提案する。 ファインマン・カックの表現は、ラドン・ニコディムの補正を明示的な経路予測として表現し、どの後部領域がオーバーサンプリングかアンダーサンプリングされているかを特定する。
  論文  参考訳（メタデータ） (2026-05-07T16:37:29Z)
• Diffusion Controller: Framework, Algorithms and Parameterization [54.82539154511621]
  本稿では,逆拡散サンプリングを(一般化された)線形解法マルコフ決定過程における状態のみの制御として活用する統一的な制御理論的視点を提案する。 このフレームワークでは、制御はトレーニング済みのリバースタイムのトランジションカーネルを再重み付けし、端末の目的と$f$分割コストのバランスをとる。 安定拡散v1.4の実験では、選好調整の勝利率が一貫した上昇を示し、品質効率のトレードオフを改善した。
  論文  参考訳（メタデータ） (2026-03-07T01:49:59Z)
• FAST-DIPS: Adjoint-Free Analytic Steps and Hard-Constrained Likelihood Correction for Diffusion-Prior Inverse Problems [2.9506605740700107]
  トレーニングなし拡散の先行は、しばしば、繰り返し導関数や、保守的なステップサイズを持つ内部最適化/MCMCループに依存する。 本研究では、これらの内部ループをハードな測定空間実現可能性制約で置き換える訓練不要な解法を提案する。 実験はPSNR/SSIM/LPIPSと最大19.5$times$のスピードアップで、手書きのアジョイントや内部MCMCを使わずに、競争力のあるPSNR/SSIM/LPIPSを実現する。
  論文  参考訳（メタデータ） (2026-03-02T08:17:26Z)
• Plug-and-Play Diffusion Meets ADMM: Dual-Variable Coupling for Robust Medical Image Reconstruction [45.25461515976432]
  画像再構成のための強力なパラダイムとして,DP(Plug-and-Play diffusion prior)フレームワークが登場した。 本稿では, バイアス・ハロシン化トレードオフを解消し, 収束を著しく加速した最先端の勾配を実現するための新しい手法を提案する。
  論文  参考訳（メタデータ） (2026-02-26T16:58:43Z)
• Stabilizing Diffusion Posterior Sampling by Noise--Frequency Continuation [52.736416985173776]
  高雑音下では、不正確な推定から計算されたデータ一貫性勾配は、後部幾何学と幾何的に一致しない。 本稿では、雑音依存周波数帯域内でのみ測定一貫性を強制する中間部分の連続的なファミリを構成するノイズ周波数継続フレームワークを提案する。 提案手法は最先端性能を実現し,強いベースライン上で最大5dBのPSNRの動作劣化を改善する。
  論文  参考訳（メタデータ） (2026-01-30T03:14:01Z)
• Solving Diffusion Inverse Problems with Restart Posterior Sampling [2.9527010146189556]
  逆問題(英: inverse problem)とは、科学や工学において基本的な問題であり、ノイズ測定から基礎となる信号や状態を推測することである。 近年のアプローチでは、複雑なデータ分布をキャプチャする能力のため、そのような問題に対する強力な暗黙の先行モデルとして拡散モデルが採用されている。 本稿では,線形逆問題と非線形逆問題の両方を解決するための汎用的で効率的なフレームワークであるRePS(Restart for Posterior Sampling)を提案する。
  論文  参考訳（メタデータ） (2025-11-24T20:42:33Z)
• Closed-Form Last Layer Optimization [72.49151473937319]
  正方形損失の下では、線形最終層重みに対する最適解は閉形式で知られている。 これは、バックボーン上の勾配降下ステップと最終層上のクローズドフォーム更新の交互に行われることを示す。
  論文  参考訳（メタデータ） (2025-10-06T09:14:39Z)
• 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)
• Gradient Normalization Provably Benefits Nonconvex SGD under Heavy-Tailed Noise [60.92029979853314]
  重み付き雑音下でのグラディエントDescence(SGD)の収束を確実にする上での勾配正規化とクリッピングの役割について検討する。 我々の研究は、重尾雑音下でのSGDの勾配正規化の利点を示す最初の理論的証拠を提供する。 我々は、勾配正規化とクリッピングを取り入れた加速SGD変種を導入し、さらに重み付き雑音下での収束率を高めた。
  論文  参考訳（メタデータ） (2024-10-21T22:40:42Z)

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。