論文の概要: Scale-Consistent Posterior Dynamics for Diffusion Inverse Problems
- arxiv url: http://arxiv.org/abs/2608.15144v1
- Date: Sat, 15 Aug 2026 09:38:41 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-18 19:59:03.209441
- Title: Scale-Consistent Posterior Dynamics for Diffusion Inverse Problems
- Title（参考訳）: 拡散逆問題に対するスケール一貫性後部ダイナミクス
- Abstract要約: 事前訓練された拡散前の後方サンプリングは、一般に難易度成分を有する条件付きスコアによって管理される。
クリーン後部にターゲットが近づいた騒音条件付き経路が連続的なサロゲートSDEを生成することを示す。
FFHQ と ImageNet の100点評価実験により,超解像および分解能の競争再現性を示す。
- 参考スコア（独自算出の注目度）: 16.685352002333225
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Posterior sampling with a pretrained diffusion prior is governed by a conditional score whose intermediate likelihood component is generally intractable. We begin from an ideal one-parameter posterior SDE family in which a stochasticity parameter controls probability-flow transport and stochastic exploration without changing the posterior marginals. To obtain a tractable model, we express the likelihood in a rescaled clean-image coordinate and use log-SNR to organize the resulting posterior proxies. Projecting the diffusion uncertainty through the forward operator then yields a noise-conditioned covariance path whose targets approach the clean posterior. Because endpoint consistency of these targets does not ensure that a surrogate transport follows them, we interleave the transport with a frozen-target Langevin corrector, producing a continuous surrogate SDE. We discretize this model with an outer Lie--Trotter splitting and a variance-matched split-step IMEX predictor that treats the learned prior explicitly, the linear likelihood implicitly, and the stochastic innovation after the implicit solve. We prove marginal invariance of the ideal family, posterior convergence of the continuous surrogate under mixing and transport-defect conditions, and a first-order weak error bound for the discrete algorithm. Experiments on FFHQ and ImageNet with 100 score evaluations demonstrate competitive reconstruction fidelity for super-resolution and deblurring. A controlled 100-image ablation separates scale consistency from the finite-step effects of stochastic-increment placement, continuation, and corrector allocation. A separate noiseless box-inpainting study shows that large exploration reaches a performance plateau only when the matched innovation is injected after the stiff likelihood solve.
- Abstract（参考訳）: 事前訓練された拡散前の後方サンプリングは、中間可能性成分が一般的に難易度である条件付きスコアによって管理される。
確率パラメータが確率フローの移動と確率探索を制御し,後縁縁を変化させることなく制御できる理想的な1パラメータ後部SDEファミリーから始める。
トラクタブルモデルを得るために、再スケールされたクリーンイメージ座標で可能性を示し、log-SNRを用いて、結果として生じる後部プロキシを整理する。
前方操作子を通して拡散不確かさを投影すると、ターゲットがクリーン後部に近づくノイズ条件付き共分散経路が得られる。
これらのターゲットのエンドポイントの整合性は、サロゲート輸送がそれに従うことを保証しないため、凍結ターゲットのランゲヴィン補正器でトランスポートをインターリーブし、連続サロゲートSDEを生成する。
我々は,このモデルを,学習先行を明示的に処理する分散整合分割ステップIMEX予測器と,暗黙的に線形なオプティマス,暗黙的に解いた後の確率的革新とで識別する。
我々は、理想族の限界不変性、混合および輸送欠陥条件下での連続サロゲートの後方収束、離散アルゴリズムに対する一階弱誤差を証明した。
FFHQ と ImageNet の100点評価実験により,超高分解能および分解能の競争再現性を示す。
制御された100イメージのアブレーションは、確率的インクリメント配置、継続、修正器割り当ての有限ステップ効果からスケール一貫性を分離する。
ノイズのないボックス塗装による別の研究では、大きな探索がパフォーマンス高原に達するのは、厳密な解決の後、一致した革新が注入されたときのみであることを示している。
関連論文リスト
- Simplex Relaxation for Discrete Diffusion [58.33696160279345]
Simplax(Simplax)はディリクレ(Dirichlet)のカテゴリー拡張で、それぞれが崩壊したカテゴリ状態と補助的単純度値変数を結合する。
Simplaxは生成パープレキシティーを改善する。-無条件のOpenWebText生成におけるエントロピートレードオフ。
論文 参考訳（メタデータ） (2026-08-11T07:58:17Z) - Flow Annealing Posterior Sampling for Function-Space Regression and Inverse Problems [24.863179232277798]
本稿では,プロセス回帰とPDE逆問題を統合する最初の関数空間後方サンプリングフレームワークであるAnaaling Posterior Sampling(FAPS)を紹介する。
FAPSは、事前訓練された関数空間のフローマッチングに基づいて構築され、可変クエリの離散化をサポートし、明示的な事前密度評価を避ける。
論文 参考訳（メタデータ） (2026-06-21T05:47:26Z) - Precise: SDE-Consistent Stochastic Sampling for RL Post-Training of Flow-Matching Models [56.67321805551389]
Reinforcement Learning (RL) は, 拡散・流れマッチングジェネレータにおいて, 迅速なアライメントと知覚品質の向上に有効な方法となっている。
探索行動の制御と力学のデノベーションを行うサンプルは、この方針の一部である。
有効探査と安定性のバランスをとる新しいサンプリング器を提案する。
論文 参考訳（メタデータ） (2026-05-22T11:37:22Z) - Uniform Diffusion Models Revisited: Leave-One-Out Denoiser and Absorbing State Reformulation [72.05592785529404]
UDMの標準プラグインブリッジパラメタライゼーションは,後側頭蓋に最適化されないことを示す。
また,UDM関節法をマスク拡散様サンプリング操作に分解して保存する均一拡散の吸収状態再構成も導入した。
論文 参考訳（メタデータ） (2026-05-21T17:27:19Z) - Tempered Guided Diffusion [1.7778609937758325]
拡散前の条件付きトレーニング不要な条件付きサンプリングのためのシーケンシャルなモンテカルロフレームワークを提案する。
TGDは、ノイズ拡散状態のみを補助変数として、クリーン信号上の誘電後部分布を標的とする。
高価な復元作業のために、TGDは初期の粒子探査を継続するが、サンプリングを通して1つの高軌道の軌道の一部にプルーネを配置する。
論文 参考訳（メタデータ） (2026-05-05T13:00:15Z) - Score-Guided Proximal Projection: A Unified Geometric Framework for Rectified Flow Editing [1.0312968200748118]
Rectified Flowモデルは最先端の世代品質を実現するが、正確なタスクのためにそれらを制御することは依然として困難である。
現在のアプローチは「幾何学的ロック」に苦しむ逆法に基づくガイダンスに分岐する
Score-Guided Proximal Projectionは,決定論的最適化と縮尺サンプリングのギャップを埋める統一フレームワークである。
論文 参考訳（メタデータ） (2026-03-05T23:44:45Z) - Plug-and-Play Diffusion Meets ADMM: Dual-Variable Coupling for Robust Medical Image Reconstruction [45.25461515976432]
画像再構成のための強力なパラダイムとして,DP(Plug-and-Play diffusion prior)フレームワークが登場した。
本稿では, バイアス・ハロシン化トレードオフを解消し, 収束を著しく加速した最先端の勾配を実現するための新しい手法を提案する。
論文 参考訳（メタデータ） (2026-02-26T16:58:43Z) - Sharp Convergence Rates for Masked Diffusion Models [53.117058231393834]
制約を克服するオイラー法に対する全変分に基づく解析法を開発した。
その結果、スコア推定の仮定を緩和し、パラメータ依存性を改善し、収束保証を確立する。
全体としては,CTMC軌道に沿った直接テレビによる誤り分解と,FHSのためのデカップリングに基づく経路解析を導入している。
論文 参考訳（メタデータ） (2026-02-26T00:47:51Z) - Disentangled Interleaving Variational Encoding [1.132458063021286]
本稿では,変分オートエンコーダの潜時空間において,元の入力を限界値と条件値の確率分布に分解する原理的手法を提案する。
提案モデルであるDeep Disentangled Interleaving Variationalを提案する。
コーダ(DeepDIVE)は、元の入力から切り離された特徴を学習し、埋め込み空間にクラスタを形成する。
2つの公開データセットの実験は、DeepDIVEが元の入力をアンタングルし、元のVAEよりも予測精度が良いことを示している。
論文 参考訳（メタデータ） (2025-01-15T10:50:54Z) - 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) - On the Convergence of Stochastic Extragradient for Bilinear Games with
Restarted Iteration Averaging [96.13485146617322]
本稿では, ステップサイズが一定であるSEG法の解析を行い, 良好な収束をもたらす手法のバリエーションを示す。
平均化で拡張した場合、SEGはナッシュ平衡に確実に収束し、スケジュールされた再起動手順を組み込むことで、その速度が確実に加速されることを証明した。
論文 参考訳（メタデータ） (2021-06-30T17:51:36Z)
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。