論文の概要: Bridging data-driven priors via the score function for posterior sampling -- Comparative review and experimental study

• arxiv url: http://arxiv.org/abs/2606.14800v1
• Date: Thu, 11 Jun 2026 17:21:34 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-16 16:21:32.239046
• Title: Bridging data-driven priors via the score function for posterior sampling -- Comparative review and experimental study
• Title（参考訳）: 後部サンプリングのためのスコア関数によるデータ駆動前処理 -- 比較検討と実験的研究-
• Authors: Elhadji Cisse Faye, Mame Diarra Fall, Sylvain Delchini, Nicolas Dobigeon,
• Abstract要約: 本稿では,各スコア関数を用いて,多種多様なデータ駆動型事前処理を統一する方法について検討する。 我々は,最近提案されたサンプリングアルゴリズムへの直接的かつ効果的な統合の恩恵を受けることができることを示す。
• 参考スコア（独自算出の注目度）: 8.115032818930457
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: This paper reviews how a diverse set of popular data-driven priors commonly used in Bayesian inverse problems can be unified through their respective score functions. By framing these priors under this common perspective, we show that they can benefit from their straightfoward and effective integration into a recently proposed sampling algorithm. The applicability of this common framework is illustrated by considering several data-driven priors, namely regularization-by-denoising, normalizing flow-based priors, score-based generative models, and convex-ridge regularizers. For these four particular priors, the performance of the method is evaluated when conducting image inpainting and single image super-resolution. These results, as well as those obtained when restoring real images acquired in a geological context, demonstrate the efficiency of the method. This unified framework proves versatile enough to handle any posterior distribution defined by a broad class of score function-based priors, beyond the specific cases considered in this paper.
• Abstract（参考訳）: 本稿では,ベイジアン逆問題においてよく用いられる,多種多様なデータ駆動型先行値の集合が,それぞれのスコア関数によってどのように統一されるのかを概観する。 この共通の視点でこれらの先行をフレーミングすることにより、最近提案されたサンプリングアルゴリズムへの直接的かつ効果的な統合の恩恵を享受できることが示される。 この共通フレームワークの適用性は、データ駆動の事前、すなわち、正規化によるデノライズ、フローベース事前の正規化、スコアベース生成モデル、凸リッジ正規化などを考慮することで説明される。 これら4つの先行画像に対して,画像のインペイントと単一画像の超解像を行う際に,本手法の性能を評価する。 これらの結果は、地質学的文脈で取得した実画像の復元時に得られたものと同様に、この手法の効率性を示すものである。 この統合された枠組みは、幅広いスコア関数に基づく事前クラスによって定義された後続分布を、本論文で考慮された特定の事例を超えて扱うのに十分な汎用性を証明している。

関連論文リスト

• Preference Trajectory Modeling via Flow Matching for Sequential Recommendation [50.077447974294586]
  シーケンスレコメンデーションは、履歴的なインタラクションシーケンスに基づいて、各ユーザの次の項目を予測する。 FlowRecはシンプルだが効果的なシーケンシャルレコメンデーションフレームワークである。 我々は,ガウス雑音に代えてパーソナライズされた行動に基づく事前分布を構築し,ユーザの嗜好軌跡をモデル化するためのベクトル場を学習する。
  論文  参考訳（メタデータ） (2025-08-25T02:55:42Z)
• Unrolled denoising networks provably learn optimal Bayesian inference [54.79172096306631]
  我々は、近似メッセージパッシング(AMP)のアンロールに基づくニューラルネットワークの最初の厳密な学習保証を証明した。 圧縮センシングでは、製品から引き出されたデータに基づいてトレーニングを行うと、ネットワークの層がベイズAMPで使用されるのと同じデノイザーに収束することを示す。
  論文  参考訳（メタデータ） (2024-09-19T17:56:16Z)
• Provably Robust Score-Based Diffusion Posterior Sampling for Plug-and-Play Image Reconstruction [31.503662384666274]
  科学と工学において、ゴールは、ある画像のモダリティを記述する既知のフォワードモデルから収集された少数の測定値から未知の画像を推測することである。 モチベートされたスコアベース拡散モデルはその経験的成功により、画像再構成に先立って模範の印象的な候補として現れた。
  論文  参考訳（メタデータ） (2024-03-25T15:58:26Z)
• Variational Bayesian Imaging with an Efficient Surrogate Score-based Prior [7.155937118886449]
  不完全, 雑音の計測により, クリーンな画像後部を狙う不完全な逆画像問題について考察する。 最近の研究は、スコアベースの拡散モデルを、不適切な画像問題を解くための原則化された先行モデルに変えた。 提案するサロゲート先行法は, スコアベース拡散モデルの低境界に基づくものである。
  論文  参考訳（メタデータ） (2023-09-05T04:55:10Z)
• Approximating Counterfactual Bounds while Fusing Observational, Biased and Randomised Data Sources [64.96984404868411]
  我々は、複数の、偏見のある、観察的、介入的な研究からのデータを統合するという問題に対処する。 利用可能なデータの可能性は局所的な最大値を持たないことを示す。 次に、同じアプローチが複数のデータセットの一般的なケースにどのように対処できるかを示す。
  論文  参考訳（メタデータ） (2023-07-31T11:28:24Z)
• Score-Based Diffusion Models as Principled Priors for Inverse Imaging [46.19536250098105]
  本稿では,スコアに基づく拡散モデルを原理化された画像優先モデルに変換することを提案する。 本稿では, この確率関数を変分推論に用いることにより, 後部から試料を抽出する方法を示す。
  論文  参考訳（メタデータ） (2023-04-23T21:05:59Z)
• Regularization via deep generative models: an analysis point of view [8.818465117061205]
  本稿では, イメージングにおける逆問題(例えば, デブロアリングやインペインティング)を, 深部生成ニューラルネットワークを用いて正則化する新しい手法を提案する。 多くの場合、我々の技術はパフォーマンスの明確な改善を実現し、より堅牢であるように思える。
  論文  参考訳（メタデータ） (2021-01-21T15:04:57Z)
• Deep Keypoint-Based Camera Pose Estimation with Geometric Constraints [80.60538408386016]
  連続するフレームから相対的なカメラのポーズを推定することは、視覚計測の基本的な問題である。 本稿では,検出,特徴抽出,マッチング,外乱除去のための学習可能なモジュールで構成されるエンドツーエンドのトレーニング可能なフレームワークを提案する。
  論文  参考訳（メタデータ） (2020-07-29T21:41:31Z)
• Learning Overlapping Representations for the Estimation of Individualized Treatment Effects [97.42686600929211]
  観測データから代替案の可能性を推定することは難しい問題である。 入力のドメイン不変表現を学習するアルゴリズムは、しばしば不適切であることを示す。 我々は,様々なベンチマークデータセットの最先端性を大幅に向上させる,ディープカーネル回帰アルゴリズムと後続正規化フレームワークを開発した。
  論文  参考訳（メタデータ） (2020-01-14T12:56:29Z)

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。