論文の概要: Hybrid-Domain Posterior Sampling for Inverse Problems via Latent Flow Matching

• arxiv url: http://arxiv.org/abs/2608.00537v1
• Date: Sat, 01 Aug 2026 08:46:12 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-04 15:07:24.748096
• Title: Hybrid-Domain Posterior Sampling for Inverse Problems via Latent Flow Matching
• Title（参考訳）: ラテントフローマッチングによる逆問題に対するハイブリッド-ドメイン後部サンプリング
• Abstract要約: Hybrid-Domain Posterior Sampling (HDPS)は、セマンティックな事前モデリングから物理的測定一貫性を分離する分離された推論フレームワークである。 様々な逆問題に関する実験により、HDPSは新しい最先端技術を確立し、ラテントのみの解法が本質的に破棄する高周波構造精度を回復することに成功した。
• 参考スコア（独自算出の注目度）: 22.663919850054928
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Latent Flow Models have revolutionized compressed-space image synthesis, yet their application to high-fidelity inverse problems remains bottlenecked. In this paper, we trace this dilemma to a fundamental geometric limitation of pre-trained autoencoders, which we term \emph{First-Order Manifold Blindness}. Severe decoder compression (e.g., retaining only $\sim\!2\%$ of the original degrees of freedom) produces a rank-deficient Jacobian, rendering high-frequency measurement residuals in its orthogonal complement invisible to latent gradients even when the decoder can represent the target image. To overcome this bottleneck, we propose Hybrid-Domain Posterior Sampling (HDPS), a decoupled inference framework that disentangles physical measurement consistency from semantic prior modeling. HDPS diverges into the pixel space, leveraging Langevin dynamics to absorb precise orthogonal measurement gradients, and subsequently projects these structural corrections back onto the generative manifold. An optimization-based latent alignment is introduced to filter pixel-space artifacts while avoiding the semantic drift of direct encoding. Extensive experiments on diverse inverse problems demonstrate that HDPS establishes a new state-of-the-art, successfully recovering the high-frequency structural precision that latent-only solvers inherently discard. The code is available at \href{https://github.com/74587887/HDPS}{https://github.com/74587887/HDPS}.
• Abstract（参考訳）: ラテントフローモデルは圧縮空間画像合成に革命をもたらしたが、高忠実度逆問題への応用はいまだにボトルネックとなっている。 本稿では,このジレンマを,事前学習された自己エンコーダの基本的な幾何学的制限に追従し,これを「emph{First-Order Manifold Blindness}」という。 重大デコーダ圧縮(例:$\sim\! 2\%の原自由度)は、ランク不足のヤコビアンを生成し、デコーダが対象の画像を表現できる場合でも、その直交補体の高周波測定残差を潜時勾配に見えないようにする。 このボトルネックを克服するために、セマンティック先行モデリングから物理的測定一貫性を乱す分離された推論フレームワークであるHybrid-Domain Posterior Smpling (HDPS)を提案する。 HDPSはピクセル空間に発散し、ランゲヴィン力学を利用して正確な直交測度勾配を吸収し、これらの構造補正を生成多様体に投影する。 直接符号化のセマンティックドリフトを回避しつつ、画素空間のアーティファクトをフィルタするために最適化に基づく潜時アライメントを導入する。 様々な逆問題に関する大規模な実験により、HDPSは新たな最先端技術を確立し、潜在者のみの解法が本質的に捨てられるような高周波構造精度を回復することに成功した。 コードは \href{https://github.com/74587887/HDPS}{https://github.com/74587887/HDPS} で公開されている。

関連論文リスト

• Integrated Forward-Inverse Network for Lensless Image Reconstruction [9.610123731413415]
  IFIN(Integrated Forward-Inverse Network)は、物理誘導型アーキテクチャで、各スケールで学習可能な逆更新によって、異なる前方投影をインターリーブする。 IFINは、挑戦的なレンズレスベンチマークで最先端の再構築品質を達成する。
  論文  参考訳（メタデータ） (2026-07-06T02:28:30Z)
• Physics from Video: Identifiability of Time-Invariant Second-Order ODEs under Minimal Trajectory Conditions [60.2784641643737]
  ビジュアルリアリズムと物理的な理解のギャップを埋めることは、ビデオベースの世界モデルにとって重要な課題である。 原画素からの連続時間物理法則の構造識別可能性について検討した。 レベルセットの傾斜被覆条件は、学習された潜伏空間が真の物理的状態に局所的に親和的であることを証明する。
  論文  参考訳（メタデータ） (2026-05-27T13:22:29Z)
• Oracle Noise: Faster Semantic Spherical Alignment for Interpretable Latent Optimization [5.814544128372275]
  Oracle Noiseは、ハイパースフィアに限られるセマンティック駆動の最適化としてノイズを緩和するゼロショットフレームワークである。 ブラックボックスモデルなしでセマンティックアライメントと優れた美学を著しく加速する。 人間の好みの指標(HPSv2、ImageReward)、セマンティックアライメント(CLIP Score)、サンプルの多様性など、いずれも厳格な2秒の最適化予算内で、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） (2026-04-26T05:32:26Z)
• NPN: Non-Linear Projections of the Null-Space for Imaging Inverse Problems [25.35772762396095]
  ヌル空間の非線形射影(Non-linear Projections of the Null-Space、NPN)は、正規化の新しいクラスである。 NPNは、ニューラルネットワークによる知覚行列のヌル空間の低次元射影にある解を促進する。 プラグアンドプレイ法におけるコンバージェンスとリコンストラクションの精度を理論的に保証する。
  論文  参考訳（メタデータ） (2025-10-02T02:45:06Z)
• CLR-Face: Conditional Latent Refinement for Blind Face Restoration Using Score-Based Diffusion Models [57.9771859175664]
  最近の生成優先法は、有望なブラインドフェイス修復性能を示している。 入力に忠実なきめ細かい顔の詳細を生成することは、依然として難しい問題である。 本稿では,VQGANアーキテクチャの内部に拡散型プライマーを導入し,非破壊な潜伏埋め込みにおける分布の学習に重点を置いている。
  論文  参考訳（メタデータ） (2024-02-08T23:51:49Z)
• In-Domain GAN Inversion for Faithful Reconstruction and Editability [132.68255553099834]
  ドメイン誘導型ドメイン正規化とエンコーダで構成されたドメイン内GANインバージョンを提案し、事前学習されたGANモデルのネイティブ潜在空間における反転コードを正規化する。 エンコーダ構造,開始反転点,および逆パラメータ空間の効果を総合的に解析し,再構成品質と編集特性とのトレードオフを観察する。
  論文  参考訳（メタデータ） (2023-09-25T08:42:06Z)
• GIFD: A Generative Gradient Inversion Method with Feature Domain Optimization [52.55628139825667]
  Federated Learning(FL)は、クライアントのプライバシを保護するための有望な分散機械学習フレームワークとして登場した。 近年の研究では、事前学習された生成逆ネットワーク(GAN)を事前知識として活用することにより、攻撃者が共有勾配を逆転し、FLシステムに対する機密データを回復できることが示されている。 textbfGradient textbfInversion over textbfFeature textbfDomains (GIFD)を提案する。
  論文  参考訳（メタデータ） (2023-08-09T04:34:21Z)
• High-Fidelity Image Inpainting with GAN Inversion [23.49170140410603]
  本稿では,InvertFillと呼ばれる画像インペイントのための新しいGANインバージョンモデルを提案する。 エンコーダ内では、事前変調ネットワークがマルチスケール構造を利用して、より差別的なセマンティクスをスタイルベクトルにエンコードする。 忠実でフォトリアリスティックなイメージを再構築するために、シンプルだが効果的なSoft-update Mean Latentモジュールは、大規模な腐敗のために高忠実なテクスチャを合成する、より多様なドメイン内パターンをキャプチャするように設計されている。
  論文  参考訳（メタデータ） (2022-08-25T03:39:24Z)
• Degradation-Aware Unfolding Half-Shuffle Transformer for Spectral Compressive Imaging [142.11622043078867]
  圧縮画像と物理マスクからパラメータを推定し,これらのパラメータを用いて各イテレーションを制御する,DAUF(Degradation-Aware Unfolding Framework)を提案する。 HST を DAUF に接続することにより,HSI 再構成のための変換器の深部展開法であるデグレーション・アウェア・アンフォールディング・ハーフシャッフル変換器 (DAUHST) を確立した。
  論文  参考訳（メタデータ） (2022-05-20T11:37:44Z)
• Overparameterization Improves StyleGAN Inversion [66.8300251627992]
  既存の反転アプローチは、有望だが不完全な結果が得られる。 これにより、エンコーダを必要とせずに、ほぼ完璧な画像再構成が得られることを示す。 われわれのアプローチは、画像間の現実的な補間による編集可能性も維持する。
  論文  参考訳（メタデータ） (2022-05-12T18:42:43Z)
• High-resolution Face Swapping via Latent Semantics Disentanglement [50.23624681222619]
  本稿では,事前学習したGANモデルの事前知識を用いた,新しい高分解能幻覚顔交換法を提案する。 我々は、ジェネレータの進行的な性質を利用して、潜在意味論を明示的に解き放つ。 我々は,2時間制約を潜時空間と画像空間に課すことにより,映像面スワップに拡張する。
  論文  参考訳（メタデータ） (2022-03-30T00:33:08Z)

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。