論文の概要: Patch-PODiff-ViT: Structured Latent Diffusion with Patchwise POD for Super-Resolution and Uncertainty Quantification

• arxiv url: http://arxiv.org/abs/2606.31290v1
• Date: Tue, 30 Jun 2026 08:05:53 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-01 18:27:19.133036
• Title: Patch-PODiff-ViT: Structured Latent Diffusion with Patchwise POD for Super-Resolution and Uncertainty Quantification
• Title（参考訳）: Patch-PODiff-ViT:超解像・不確かさ定量のためのPatchwise PODを用いた構造化潜在拡散
• Abstract要約: Patch-PODiff-ViTは、潜在空間がパッチワイドな固有直交分解(POD)によって定義される構造的潜在拡散フレームワークである。 これにより、空間構造を保存し、視覚変換器を用いて構造された低次元潜在空間における効率的な拡散を可能にする、低次元の分散順序付きトークンが得られる。 海面温度、医用画像、自然画像を通して、実験的なアンサンブルと密に一致した良好な空間的不確実性を生成しながら、少ないパラメータと低いメモリで強力な再構成を実現する。
• 参考スコア（独自算出の注目度）: 2.075423143311858
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Diffusion models enable probabilistic super-resolution and conditional generation, but pixel-space methods are computationally expensive and learned latent spaces often lack interpretable uncertainty quantification. We introduce Patch-PODiff-ViT, a structured latent diffusion framework in which the latent space is defined by patchwise Proper Orthogonal Decomposition (POD), a fixed linear orthonormal basis over local patches, rather than learned by a nonlinear autoencoder. This yields low-dimensional, variance-ordered tokens that preserve spatial structure and enable efficient diffusion in a structured low-dimensional latent space with a Vision Transformer. Because the decoder is fixed, linear, and orthonormal, latent coefficient uncertainty can be propagated directly to physical-space predictive variance, enabling analytic propagation of predictive variance through the linear decoder without Monte Carlo estimation in pixel space. Across sea surface temperature, medical imaging, and natural images, the method achieves strong reconstruction with fewer parameters and lower memory, while producing well-calibrated spatial uncertainty that closely matches empirical ensembles.
• Abstract（参考訳）: 拡散モデルは確率的超解像および条件生成を可能にするが、ピクセル空間法は計算に高価であり、学習された潜在空間は解釈可能な不確実性定量化を欠くことが多い。 Patch-PODiff-ViTは、非線型オートエンコーダによって学習されるのではなく、局所パッチ上の固定線型正規直交基底であるパッチワイド固有直交分解(POD)によって潜在空間が定義される構造的潜在拡散フレームワークである。 これにより、空間構造を保存し、視覚変換器を用いて構造された低次元潜在空間における効率的な拡散を可能にする、低次元の分散順序付きトークンが得られる。 デコーダは固定され、線形であり、正則であるので、遅延係数の不確実性は物理空間の予測分散に直接伝播することができ、画素空間におけるモンテカルロ推定なしで線形デコーダを通して予測分散を解析的に伝播することができる。 海面温度、医用画像、自然画像を通して、実験的なアンサンブルと密に一致した良好な空間的不確実性を生成しながら、少ないパラメータと低いメモリで強力な再構成を実現する。

関連論文リスト

• Null-Space Diffusion Restoration with Adaptive Uncertainty-Guided Fusion for Ultrasound Speckle Reduction [2.081691729410268]
  超音波Bモードイメージングは通常、スペックルノイズやアーティファクトに悩まされる。 新しい不確実性誘導型ヌル空間拡散(UGNS)フレームワークは、安定化された正エンベローププロキシ上での整合性を強制する。 UGNSは細かな空間分解能を保ちながらスペックルノイズを効果的に抑制することが検証された。
  論文  参考訳（メタデータ） (2026-08-30T14:45:13Z)
• Local Epistemic Uncertainty Guided Active Sampling for Plug-and-play Diffusive Image Restoration [15.371827475537776]
  局所的不確実性ガイド型アクティブサンプリングフレームワークを開発した。 空間領域における細部保存とアーティファクトの抑制のバランスをとる。 メモリオーバーヘッドを無視してサンプリング時間を短縮する。
  論文  参考訳（メタデータ） (2026-08-07T09:00:20Z)
• Latent Diffusion Posterior Sampling with Surrogate Likelihood Guidance for PDE Inverse Problems [48.15157016272698]
  潜在空間拡散後サンプリング(L-DPS)は偏微分方程式(PDE)によって支配される高次元逆問題に対する近似ベイズ的枠組みである L-DPSは、正確で堅牢な逆解を生成し、フルスペースDPSに対する推論コストを低減し、スパースおよびノイズレシエーションにおいて、償却された逆ベースラインより優れる。
  論文  参考訳（メタデータ） (2026-06-25T04:33:44Z)
• Unified Geometry-Guided ML-FTLE for Tracking Transient Chaos from Scalar Time Series [0.0]
  本稿では,予測軌道の偏差をマクロ的な誘引形態と統合し,突発的な状態変化を追跡する幾何学誘導型機械学習フレームワークを提案する。 この方程式のないフレームワークは、複雑な非定常系の構造遷移を監視するために、高精度でノイズ耐性のある診断を提供する。
  論文  参考訳（メタデータ） (2026-06-05T15:22:57Z)
• Hierarchical Consistency Learning for Test-time Adaptation in Camouflage Perception [50.278200968044665]
  カモフラージュされた物体検出(COD)は、物理的属性を通して背景から最小限の知覚差を示すターゲットをローカライズすることを目的としている。 既存のメソッドは、静的なTrain-then-freezeパラダイムによって制約されており、ドメインの剛性と依存性のアノテーションに悩まされている。 動的表現再構成のためのテスト時間適応を統合した階層的一貫性学習フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-05-25T09:57:46Z)
• Spatial Adapter: Structured Spatial Decomposition and Closed-Form Covariance for Frozen Predictors [0.6643390346826856]
  本研究では, 凍結した第1ステージ予測器に残留磁場の空間的構造を付加したパラメータ効率の高いポストホック層を提案する。 アダプタは残留物に関するカスケード第2段階として動作し、空間的に正規化された正則基底とサンプル毎のスコアを共同で学習する。 第1段階のパラメータは凍結するため、アダプタはバックボーンをリトレーニングしない。
  論文  参考訳（メタデータ） (2026-05-12T01:29:56Z)
• PODiff: Latent Diffusion in Proper Orthogonal Decomposition Space for Scientific Super-Resolution [2.075423143311858]
  PODiff(ポディフ、英: PODiff)は、固定された分散順序の固有直交分解(POD)係数空間で拡散を行う構造的条件生成フレームワークである。 PODiffは、画素空間拡散に匹敵する再現精度を達成し、メモリを著しく少なくし、決定論的およびモンテカルロ・ドロップアウトベースラインよりも信頼性の高い不確実性推定を生成する。
  論文  参考訳（メタデータ） (2026-05-05T06:21:04Z)
• Structure-Aware Epistemic Uncertainty Quantification for Neural Operator PDE Surrogates [10.39662017167378]
  不確かさの定量化(UQ)は、計算的に効率的かつ空間的に忠実でなければならない。 本稿では,現代のNOに共通するモジュラー・アナロジーを利用した構造対応UQスキームを提案する。 挑戦的なPDEベンチマークの実験では、提案された構造認識設計により、より信頼性の高いカバレッジ、よりタイトなバンド、残留不確実性アライメントの改善が示されている。
  論文  参考訳（メタデータ） (2026-02-24T10:17:24Z)
• ARGUS: Adaptive Rotation-Invariant Geometric Unsupervised System [0.0]
  本稿では,データ多様体の固定空間分割上での局所統計追跡としてドリフト検出を再現するフレームワークであるArgusを紹介する。 正準正則フレーム上のボロノイテッセルレーションは変換に不変なドリフト計量をもたらす。 孤立摂動からコヒーレントな分布シフトを区別するドリフト伝播のグラフ理論的特徴付けを開発した。
  論文  参考訳（メタデータ） (2026-01-03T22:39:20Z)
• Linearized Optimal Transport for Analysis of High-Dimensional Point-Cloud and Single-Cell Data [45.87606039212519]
  シングルセル技術は、細胞の高次元点雲を生成する。 各患者は単純なベクトルではなく不規則な点雲で表される。 線形最適輸送フレームワークを用いて不規則点雲を固定次元ユークリッド空間に埋め込む。
  論文  参考訳（メタデータ） (2025-10-24T21:33:12Z)
• Adaptive Dual Uncertainty Optimization: Boosting Monocular 3D Object Detection under Test-Time Shifts [80.32933059529135]
  TTA(Test-Time Adaptation)メソッドが出現し、推論中にターゲット分布に適応する。 我々は、堅牢なM3ODの両不確実性を共同で最小化するために設計された、最初のTTAフレームワークであるDual Uncertainity Optimization (DUO)を提案する。 並列に,明瞭な意味的手がかりを持つ領域における幾何学的コヒーレンスを保存する意味認識型正規場制約を設計する。
  論文  参考訳（メタデータ） (2025-08-28T07:09:21Z)
• Low-Rank Tensor Recovery via Variational Schatten-p Quasi-Norm and Jacobian Regularization [49.85875869048434]
  暗黙的神経表現のためのニューラルネットワークによりパラメータ化されたCPベースの低ランクテンソル関数を提案する。 本研究では、スペーサーCP分解を実現するために、冗長なランク1成分に変分Schatten-p quasi-normを導入する。 滑らか性のために、ヤコビアンとハッチンソンのトレース推定器のスペクトルノルムに基づく正規化項を提案する。
  論文  参考訳（メタデータ） (2025-06-27T11:23:10Z)
• Maintaining Structural Integrity in Parameter Spaces for Parameter Efficient Fine-tuning [78.39310274926535]
  さまざまな下流タスクに事前訓練された基礎モデルを適応させることは、人工知能において一般的である。 これを軽減するために、事前訓練されたモデルの重みをより資源効率の良い方法で更新するために、いくつかの微調整技術が開発されている。 本稿では,多次元パラメータ空間用に設計された一般化されたパラメータ効率の微調整フレームワークを提案する。
  論文  参考訳（メタデータ） (2024-05-23T16:04:42Z)
• Orthogonal Matrix Retrieval with Spatial Consensus for 3D Unknown-View Tomography [58.60249163402822]
  未知視トモグラフィ(UVT)は、未知のランダムな向きで2次元投影から3次元密度マップを再構成する。 提案したOMRはより堅牢で、従来の最先端のOMRアプローチよりも大幅に性能が向上している。
  論文  参考訳（メタデータ） (2022-07-06T21:40:59Z)

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。