論文の概要: Stage-wise Distortion-Perception Traversal in Zero-shot Inverse Problems with Diffusion Models

• arxiv url: http://arxiv.org/abs/2605.28711v2
• Date: Thu, 28 May 2026 13:09:41 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-30 02:45:54.930135
• Title: Stage-wise Distortion-Perception Traversal in Zero-shot Inverse Problems with Diffusion Models
• Title（参考訳）: 拡散モデルを用いたゼロショット逆問題における段階的歪み知覚トラバース
• Authors: Jiawei Zhang, Ziyuan Liu, Leon Yan, Zhenyu Xiao, Yuantao Gu,
• Abstract要約: 歪み知覚(D-P)トレードオフはベイズ逆問題の基本現象である。 ゼロショット逆問題における単一拡散モデルを用いてD-Pトラバースを実現するための段階的フレームワークを提案する。 提案手法はMAP-RPSと呼ばれ,MMSE解を近似したMAP推定段階から始まる。 我々はMAP-RPSを潜伏空間に拡張し、LMAP-RPSを得る。
• 参考スコア（独自算出の注目度）: 23.436324468000198
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The distortion-perception (D-P) tradeoff is a fundamental phenomenon of Bayesian inverse problems, which characterizes the inherent tension between distortion performance and perceptual quality. Enabling flexible traversal of the D-P tradeoff at inference time is crucial for practical applications. Despite the recent success of diffusion models in zero-shot inverse problem solving, efficient and principled strategies for D-P traversal in diffusion-based inverse algorithms remain inadequately characterized. In this paper, we propose a stage-wise framework for realizing D-P traversal using a single diffusion model in zero-shot inverse problems. Our proposed method, termed MAP-RPS, starts with an MAP estimation stage that approximates the MMSE solution and provides a low-distortion initialization, followed by a re-noised posterior sampling stage that progressively improves perceptual quality. We provide theoretical analyses for both stages, establishing the validity and effectiveness of the proposed design. Furthermore, we extend MAP-RPS to the latent space, yielding LMAP-RPS, which enjoys broader applicability by leveraging large-scale pre-trained latent diffusion backbones. Extensive experiments demonstrate that MAP-RPS and LMAP-RPS enable more effective D-P traversal on various tasks, while also exhibiting strong performance as efficient solvers for real-world inverse problems.
• Abstract（参考訳）: 歪み知覚トレードオフ(D-P)はベイズ逆問題の基本的現象であり、歪み性能と知覚品質の固有の緊張を特徴付ける。 推測時間におけるD-Pトレードオフの柔軟なトラバーサルの実現は、実用化に不可欠である。 ゼロショット逆問題解における拡散モデルの成功にもかかわらず、拡散に基づく逆アルゴリズムにおけるD-Pトラバースの効率的で原則化された戦略は不適切に評価されている。 本稿では,ゼロショット逆問題における単一拡散モデルを用いてD-Pトラバースを実現するための段階的フレームワークを提案する。 提案手法はMAP-RPSと呼ばれ,MMSE解を近似したMAP推定段階から始まり,低歪みの初期化を実現する。 両段階の理論的解析を行い,提案手法の有効性と妥当性を検証した。 さらに、MAP-RPSを潜伏空間に拡張し、LMAP-RPSを得られる。 MAP-RPSとLMAP-RPSは、様々なタスクにおいてより効果的なD-Pトラバーサルを実現すると同時に、現実世界の逆問題に対する効率的な解法として高い性能を示す。

関連論文リスト

• DiffusionOPD: A Unified Perspective of On-Policy Distillation in Diffusion Models [55.01951088768769]
  DiffusionOPDはオンライン政策蒸留(OPD)に基づく拡散モデルのための新しいマルチタスクトレーニングパラダイムである 本研究では,DiffusionOPDがトレーニング効率と最終性能において,マルチリワードRLとカスケードRLのベースラインを一貫して上回っていることを示す。
  論文  参考訳（メタデータ） (2026-05-14T16:49:09Z)
• PGP-DiffSR: Phase-Guided Progressive Pruning for Efficient Diffusion-based Image Super-Resolution [95.61422489193113]
  拡散モデルから冗長情報を除去する軽量拡散法 PGP-DiffSR を開発した。 本手法は,計算負荷とメモリ消費を大幅に削減しつつ,競合する復元品質を実現する。
  論文  参考訳（メタデータ） (2025-12-02T12:06:39Z)
• 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)
• Local MAP Sampling for Diffusion Models [18.64450926048212]
  局所MAPサンプリング(LMAPS)は、拡散軌道に沿った局所MAPサブプロブレムを反復的に解決する推論フレームワークである。 LMAPSは最適化に基づく手法の統一確率論的解釈を提供する。 LMAPSは、幅広い画像復元と科学的タスクで最先端のパフォーマンスを達成する。
  論文  参考訳（メタデータ） (2025-10-07T19:02:32Z)
• Diffusion Models for Solving Inverse Problems via Posterior Sampling with Piecewise Guidance [52.705112811734566]
  断片的なガイダンススキームを用いて,逆問題を解決するための新しい拡散型フレームワークが導入された。 提案手法は問題に依存しず,様々な逆問題に容易に適応できる。 このフレームワークは, (4時間), (8時間) の超分解能タスクに対して, (23%), (24%) および (24%) の無作為マスクを塗布する場合の (25%) の推論時間を短縮する。
  論文  参考訳（メタデータ） (2025-07-22T19:35:14Z)
• Integrating Intermediate Layer Optimization and Projected Gradient Descent for Solving Inverse Problems with Diffusion Models [19.445391508424667]
  逆問題(IP)はノイズの観測から信号を再構成する。 DMはIPを解くための強力なフレームワークとして登場し、優れた再構築性能を実現している。 既存のDMベースの手法は、重い計算要求や準最適収束といった問題に頻繁に遭遇する。 これらの課題に対処するために,DMILOとDMILO-PGDという2つの新しい手法を提案する。
  論文  参考訳（メタデータ） (2025-05-27T06:49:02Z)
• Efficient Diffusion as Low Light Enhancer [63.789138528062225]
  RATR(Reflectance-Aware Trajectory Refinement)は、イメージの反射成分を用いて教師の軌跡を洗練するための、シンプルで効果的なモジュールである。 textbfReDDiT (textbfDistilled textbfTrajectory) は低照度画像強調(LLIE)に適した効率的で柔軟な蒸留フレームワークである。
  論文  参考訳（メタデータ） (2024-10-16T08:07:18Z)
• 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)
• Simultaneous Image-to-Zero and Zero-to-Noise: Diffusion Models with Analytical Image Attenuation [53.04220377034574]
  高品質(未条件)な画像生成のための前方拡散プロセスに解析的画像減衰プロセスを導入することを提案する。 本手法は,フォワード画像からノイズへのマッピングを,テクスチメジからゼロへのマッピングとテクスティケロ・ツー・ノイズマッピングの同時マッピングとして表現する。 我々は,CIFAR-10やCelebA-HQ-256などの無条件画像生成や,超解像,サリエンシ検出,エッジ検出,画像インペインティングなどの画像条件下での下流処理について実験を行った。
  論文  参考訳（メタデータ） (2023-06-23T18:08:00Z)

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。