論文の概要: Direct Conditional Transition Sampling for Diffusion Inverse Problems

• arxiv url: http://arxiv.org/abs/2609.14596v1
• Date: Sun, 13 Sep 2026 15:24:33 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-16 07:15:05.862781
• Title: Direct Conditional Transition Sampling for Diffusion Inverse Problems
• Title（参考訳）: 拡散逆問題に対する直接条件遷移サンプリング
• Abstract要約: トレーニング不要拡散逆解法は、通常、局所的な測定ガイダンスと高価なクリーンスペース後部更新のどちらかを選択する。 同じ理想的リフレッシュターゲットに対する条件-フローの直接近似であるダイレクトトランジションサンプリング(DCTS)を提案する。 DCTSは競合する手法よりも最大16.8倍のスピードアップで競争力のある再構築品質を実現している。
• 参考スコア（独自算出の注目度）: 16.85590645425029
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Training-free diffusion inverse solvers typically choose between local measurement guidance and costly clean-space posterior updates. Independent posterior refresh can improve global correction by sampling a clean conditional and re-noising it, but its practical realization requires probability-flow ODE integration and clean-space Markov chain Monte Carlo (MCMC). We propose Direct Conditional Transition Sampling (DCTS), a direct stochastic-flow approximation to the same ideal refresh target. Rather than explicitly drawing a clean sample, DCTS estimates the measurement-conditioned clean mean along a short inner path and transports Gaussian source noise directly to the next noisy state. A denoiser-compatible sufficient statistic and a covariance-scaled operator update enable this conditional-mean estimation. Experiments on four inverse problems demonstrate that DCTS achieves competitive reconstruction quality with up to $16.8\times$ speedups over competing methods.
• Abstract（参考訳）: トレーニング不要拡散逆解法は、通常、局所的な測定ガイダンスと高価なクリーンスペース後部更新のどちらかを選択する。 独立な後続リフレッシュはクリーン条件をサンプリングして再ノイズ化することで大域的補正を改善することができるが、実際の実現には確率フローODE積分とクリーンスペースマルコフ連鎖モンテカルロ(MCMC)が必要である。 同じ理想的リフレッシュターゲットに対する直接確率フロー近似である直条件遷移サンプリング(DCTS)を提案する。 クリーンサンプルを明示的に描画するのではなく、DCTSは測定条件付きクリーン平均を短い内部経路に沿って推定し、ガウス音源のノイズを直接次のノイズ状態へ輸送する。 デノイザ互換の十分な統計量と共分散スケールの演算子更新により、この条件平均推定が可能となる。 4つの逆問題に関する実験により、DCTSは競合する手法よりも最大16.8\times$スピードアップで競合する再構成品質を達成することを示した。

関連論文リスト

• Fast and Faithful: Principled Conditional Flow Matching for Inverse Problems [8.966524060251965]
  逆問題に対するフローマッチング手法は、一般的に2つの方法で測定を組み込む。 本稿では,逆問題の解法として,測定条件速度場のパラメトリゼーションを提案する。 提案手法は,最強フローベースラインよりも50タイム以下で,最新のPSNRを実現する。
  論文  参考訳（メタデータ） (2026-09-11T15:12:11Z)
• MoRF-AST: Calibrated Probabilistic Virtual Sensing for Structural Monitoring under Changing Operating Conditions [10.208843473977094]
  本研究では,モーダル残留流マッチングとコンテキスト依存型アフィンスプレッドトランスポート (MoRF-AST) を併用した構造仮想センシング手法を提案する。 MoRFは2つの直接条件流に対して16.1%と17.9%に対して、後平均根平均二乗誤差(NRMSE)が7.20%に達する。
  論文  参考訳（メタデータ） (2026-08-25T13:16:59Z)
• Stochastic Optimal Control Sampling for Diffusion Inverse Problems [35.41392757423596]
  そこで我々は, 最適制御サンプリング(SOCS)を導入し, SOCを介して制御信号を注入する動的システムとして認知過程をモデル化する。 本手法は, 様々な線形微分方程式の再構成と互換性があり, 視覚的忠実度の向上と定量的性能の向上が期待できる。
  論文  参考訳（メタデータ） (2026-06-27T07:34:52Z)
• On the Error-Correcting Effects of Stochasticity in Discrete Diffusion [0.0]
  離散拡散モデルは、テキストおよび画像生成において強い性能を達成するが、推論は依然として遅く、サンプリングとサンプル品質のバランスをとる必要がある。 高い決定論的遷移は急速に収束するが、エラーの蓄積に苦しむ一方で、より多くの遷移はよりゆっくりと収束する一方で、より高い最終サンプル品質を達成することができることを示す。 本研究では,前向きと逆方向の拡散過程の交互化により制御性を注入する新しい推論アルゴリズムであるemphDiscrete Churn and Restart Sampling (DCRS)を提案する。
  論文  参考訳（メタデータ） (2026-05-26T05:58:46Z)
• 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)
• Diffusion Controller: Framework, Algorithms and Parameterization [54.82539154511621]
  本稿では,逆拡散サンプリングを(一般化された)線形解法マルコフ決定過程における状態のみの制御として活用する統一的な制御理論的視点を提案する。 このフレームワークでは、制御はトレーニング済みのリバースタイムのトランジションカーネルを再重み付けし、端末の目的と$f$分割コストのバランスをとる。 安定拡散v1.4の実験では、選好調整の勝利率が一貫した上昇を示し、品質効率のトレードオフを改善した。
  論文  参考訳（メタデータ） (2026-03-07T01:49:59Z)
• Distributional Diffusion Models with Scoring Rules [83.38210785728994]
  拡散モデルは高品質な合成データを生成する。 高品質な出力を生成するには、多くの離散化ステップが必要です。 クリーンデータサンプルの後部エム分布を学習し,サンプル生成を実現することを提案する。
  論文  参考訳（メタデータ） (2025-02-04T16:59:03Z)
• DC-Solver: Improving Predictor-Corrector Diffusion Sampler via Dynamic Compensation [68.55191764622525]
  拡散モデル(DPM)は、視覚合成において顕著な性能を示すが、サンプリング中に複数の評価を必要とするため、計算コストが高い。 最近の予測器合成・拡散サンプリング装置は,要求される評価回数を大幅に削減したが,本質的には誤調整の問題に悩まされている。 我々はDC-CPRrと呼ばれる新しい高速DPMサンプリング装置を導入する。
  論文  参考訳（メタデータ） (2024-09-05T17:59:46Z)
• Consistency Trajectory Models: Learning Probability Flow ODE Trajectory of Diffusion [56.38386580040991]
  Consistency Trajectory Model (CTM) は Consistency Models (CM) の一般化である CTMは、対戦訓練とスコアマッチング損失を効果的に組み合わせることで、パフォーマンスを向上させる。 CMとは異なり、CTMのスコア関数へのアクセスは、確立された制御可能/条件生成メソッドの採用を合理化することができる。
  論文  参考訳（メタデータ） (2023-10-01T05:07:17Z)
• Latent Class-Conditional Noise Model [54.56899309997246]
  本稿では,ベイズ的枠組みの下での雑音遷移をパラメータ化するためのLatent Class-Conditional Noise Model (LCCN)を提案する。 次に、Gibs sampler を用いて遅延真のラベルを効率的に推測できる LCCN の動的ラベル回帰法を導出する。 提案手法は,サンプルのミニバッチから事前の任意チューニングを回避するため,ノイズ遷移の安定な更新を保護している。
  論文  参考訳（メタデータ） (2023-02-19T15:24:37Z)
• 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。