論文の概要: $γ$-Bridge: A Look-Parametric Diffusion Bridge

• arxiv url: http://arxiv.org/abs/2607.22719v1
• Date: Tue, 21 Jul 2026 18:45:58 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-28 22:34:14.840696
• Title: $γ$-Bridge: A Look-Parametric Diffusion Bridge
• Title（参考訳）: $γ$-Bridge: ルック・パラメトリック拡散ブリッジ
• Abstract要約: 多重ガンマノイズはコヒーレントイメージングにおける信号依存性の劣化である。 我々は、$L(t)$のスケジュールを持つルックパラメトリックブリッジである$-Bridgeを紹介し、$L_obs$のノイズ観測を正確な乗法的ガンマ限界を通してクリーン限界に接続する。
• 参考スコア（独自算出の注目度）: 1.6583003147024213
• License: http://creativecommons.org/publicdomain/zero/1.0/
• Abstract: Multiplicative Gamma noise is a signal-dependent degradation in coherent imaging; synthetic aperture radar (SAR) despeckling is its most prominent real-world instance. Existing diffusion denoisers parameterize their forward process by abstract signal-to-noise schedules rather than by the physical look number $L$, so different deployment scenarios typically require separately trained models, and transfer from synthetic Gamma training to real SAR remains challenging without clean ground truth. We introduce $γ$-Bridge, a look-parametric bridge whose schedule $L(t)$ connects the noisy observation at $L_{obs}$ to the clean limit through exact multiplicative Gamma marginals. Its closed-form Gamma--Lévy reverse posterior admits both stochastic and deterministic processes, while observation conditioning and a two-step consistency loss stabilize multi-step inference in the low-SNR single-look regime. Because bridge time directly represents $L$, one conditioned network can smart-start from any admissible input look and stop at a target look number. These two orthogonal controls enable zero-shot restoration over the full admissible grid after training only at $L_{obs} = 1$ on natural images with synthetic Gamma corruption. Combined with a homogeneous-patch look estimator, $γ$-Bridge processes data from six spaceborne and airborne SAR sensors without sensor-specific fine-tuning, achieving leading results on standard synthetic benchmarks while providing physically interpretable input and output controls absent from prior denoisers. Codes are released \href{https://github.com/Teriri1999/GammaBridge}{here}.
• Abstract（参考訳）: 多重ガンマノイズはコヒーレントイメージングにおける信号依存的な劣化であり、合成開口レーダ(SAR)の脱種は最も顕著な実世界の例である。 既存の拡散デノイザは物理ルピー数$L$よりも抽象的な信号対雑音スケジュールによって前処理をパラメータ化しているため、異なる展開シナリオは通常、個別に訓練されたモデルを必要とし、合成ガンマトレーニングから実際のSARへの移行は、クリーンな地面の真実なしでは困難である。 L(t)$ のスケジュールが $L_{obs}$ のノイズ観測を、正確な乗法的ガンマ限界を通してクリーン極限に接続するルックパラメトリックブリッジである $γ$-Bridge を導入する。 その閉形式Gamma-Lévy逆後部は確率過程と決定過程の両方を許容する一方、観測条件付けと2段階の整合損失は低SNR単一状態の多段階推論を安定化させる。 ブリッジタイムは直接$L$を表すので、ある条件付きネットワークは任意の許容可能な入力ルックからスマートスタートし、ターゲットのルックナンバーを停止することができる。 これら2つの直交制御により、学習後の完全許容格子上のゼロショット復元は、合成ガンマ汚損を伴う自然画像上で$L_{obs} = 1$で可能である。 均質なパッチの外観推定器と組み合わせて、$γ$-Bridgeは、センサー固有の微調整のない6つのSARセンサーからのデータを処理する。 コードは href{https://github.com/Teriri 1999/GammaBridge}{here} で公開されている。

関連論文リスト

• LF-GICP: Parameter-Free Degeneracy-Aware LiDAR Odometry via a Voxel-Normal Localizability Field [0.0]
  スキャン・ツー・マップのLiDARオドメトリーは、幾何学的に退化した環境の観測不可能な軸に沿って非有界にドリフトする。 本研究は,Voxelized GICPにおいてGauss--Newton (GN) Hessian masks translational degeneracy (共分散正則化) が翻訳ブロックを人工的に良好に維持することを示す。 これを正則化自由なボクセル正規局在性場とその統計量でバイパスする。
  論文  参考訳（メタデータ） (2026-08-20T00:36:24Z)
• Robust Average-Reward Markov Decision Processes: Minimax-Optimal Learning via Plug-in Reductions [51.50375419691955]
  分布的に堅牢なマルコフ決定プロセスは、モデルの不確実性の下でのシーケンシャルな意思決定のための原則化されたフレームワークを提供する。 我々は,平均回帰基準の下で,$varepsilon$-Optimal robust policyを学習するのに必要なサンプル数と十分なサンプル数について検討した。
  論文  参考訳（メタデータ） (2026-08-06T19:49:48Z)
• Flow Map Denoisers: Traversing the Distortion-Perception Plane for Inverse Problems [48.501415601682815]
  画像復元は基本的なトレードオフに直面している: エラーを最小限に抑える手法はぼやけた再構成を生み出し、知覚的品質を最大化する手法はシャープだが忠実でない画像を生み出す。 フローマップモデルは、歪み知覚フロンティアを連続的に分散する1パラメータのデノイザ群を暗黙的に定義する。 Plug-and-Playソルバ内では、同じメカニズムが一般的な逆問題にまで拡張され、知覚的アライメントとデータの一貫性のトレードオフを制御する。
  論文  参考訳（メタデータ） (2026-06-18T05:15:43Z)
• Everything at Every Scale: Scale-Invariant Diffusion with Continuous Super-Resolution [27.232771005158146]
  ノイズから画像を作成することは画像生成であり、粗い入力から細部を再構築することは超高解像度である。 我々は、単一の非条件フレームワーク内で生成と連続超解像を統一するモデルである$textbfSKILD$を紹介した。 実証的には、SKILDはFID$2.65ドル、Inception Score$9.63ドルに達する。
  論文  参考訳（メタデータ） (2026-05-25T17:01:21Z)
• Zeno-Enhanced Probabilistic Error Cancellation with Quantum Error Detection Codes [2.6031571481535143]
  量子エラー検出符号と確率的エラーキャンセルの相補性を利用する。 我々は物理ノイズをより弱い論理チャネルにマッピングし、PECを残留チャネルにのみ適用する。 フィードバックのないQED+PECスキームはクリフォード論理ブロック、安定化器の測定、ポストセレクション、確率的キャンセルをインターリーブする。
  論文  参考訳（メタデータ） (2026-05-12T14:06:27Z)
• Spectral Tempering for Embedding Compression in Dense Passage Retrieval [17.660889990235656]
  最適スケーリング強度$$はグローバル定数ではないことを示す。 本研究では,適応的な$(k)$をコーパス固有スペクトルから直接導出する学習自由化手法であるSpectral Temperingを提案する。
  論文  参考訳（メタデータ） (2026-03-19T10:01:32Z)
• Optimal Unconstrained Self-Distillation in Ridge Regression: Strict Improvements, Precise Asymptotics, and One-Shot Tuning [61.07540493350384]
  自己蒸留(英: Self-distillation, SD)とは、教師自身の予測と地道の混合で学生を訓練する過程である。 任意の予測リスクに対して、各正規化レベルにおいて、最適に混合された学生がリッジ教師に改善されることが示される。 本稿では,グリッド探索やサンプル分割,再構成なしに$star$を推定する一貫したワンショットチューニング手法を提案する。
  論文  参考訳（メタデータ） (2026-02-19T17:21:15Z)
• Hardware-Agnostic Modeling of Quantum Side-Channel Leakage via Conditional Dynamics and Learning from Full Correlation Data [0.0]
  本研究では,敵プローブキュービットが隠れゲートシーケンス中にターゲットキュービットと相互作用するシーケンシャルサイドチャネルモデルについて検討する。 同じシークエンスを$N$ショットで繰り返すと、経験的な完全相関レコードが得られる。 広帯域結合とノイズグリッドの実験により、予測された結合帯域付近で厳密なシーケンス回復が集中していることが示されている。
  論文  参考訳（メタデータ） (2026-02-17T19:33:23Z)
• Accelerated characterization of two-level systems in superconducting qubits via machine learning [74.02542457579791]
  本稿では,2レベルシステム(TLS)パラメーターを抽出するためのデータ駆動型アプローチを提案する。 カスタム畳み込みニューラルネットワークモデル(CNN)は、フォーム形式で提示された分光データから、$omega_TLS$, $g$, $T_TLS, 1$と$Tphi_TLS, 2$を同時に予測することができる。
  論文  参考訳（メタデータ） (2025-09-22T12:55:52Z)
• Multistep Inverse Is Not All You Need [87.62730694973696]
  実世界の制御環境では、観測空間は不要に高次元であり、時間関連ノイズにさらされることが多い。 したがって、観測空間を制御関連変数のより単純な空間にマッピングするエンコーダを学ぶことが望ましい。 本稿では,多段階逆予測と遅延フォワードモデルを組み合わせた新しいアルゴリズムACDFを提案する。
  論文  参考訳（メタデータ） (2024-03-18T16:36:01Z)
• On Leaky-Integrate-and Fire as Spike-Train-Quantization Operator on Dirac-Superimposed Continuous-Time Signals [0.5439020425819]
  Leaky-integrate-and-fire (LIF) は、積分可能な信号$f$を離散イベントのシーケンス$eta_f$にマッピングする非線形演算子として研究される。 局所可積分性の一般条件下では、漏れパラメータ $alpha$ を持つ量子化公式 $|eta_f - f|_A, alpha$ が証明される。
  論文  参考訳（メタデータ） (2024-02-10T17:07:19Z)
• Approximate Autonomous Quantum Error Correction with Reinforcement Learning [4.015029887580199]
  自律量子誤り訂正(AQEC)は、工学的な散逸によって論理量子ビットを保護する。 単一光子損失がエラーの原因となるボソニック符号空間は、AQECの有望な候補である。 我々はKnill-Laflamme条件を緩和し,近似AQECのためのボソニック符号を提案する。
  論文  参考訳（メタデータ） (2022-12-22T12:42:52Z)
• Neural Inference of Gaussian Processes for Time Series Data of Quasars [72.79083473275742]
  クエーサースペクトルを完全に記述できる新しいモデルを提案する。 また、$textitNeural Inference$というガウス的プロセスパラメータの推論の新しいメソッドも導入しています。 CDRWモデルとNeural Inferenceの組み合わせはベースラインのDRWとMLEを大きく上回っている。
  論文  参考訳（メタデータ） (2022-11-17T13:01:26Z)
• The Generalized Lasso with Nonlinear Observations and Generative Priors [63.541900026673055]
  我々は、幅広い測定モデルで満たされるガウス下測度を仮定する。 この結果から, 局所埋込特性を仮定して, 均一回復保証まで拡張できることが示唆された。
  論文  参考訳（メタデータ） (2020-06-22T16:43:35Z)

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。