論文の概要: GPARA: Graph-Posterior-Aligned Refinement and Active Acquisition for Grounding Diffusion Priors

• arxiv url: http://arxiv.org/abs/2609.34172v1
• Date: Mon, 28 Sep 2026 02:46:53 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-04 06:13:36.222142
• Title: GPARA: Graph-Posterior-Aligned Refinement and Active Acquisition for Grounding Diffusion Priors
• Title（参考訳）: GPARA:グラウンディング拡散前処理におけるグラフ後配向リファインメントとアクティブな獲得
• Abstract要約: 後アンサンブルに基づく手法は、生成されたサンプルから取得ユーティリティを推定することができる。 本稿では,拡散予測残差よりも文脈依存グラフを代理するGPARAを提案する。 物理場とコンピュータビジョンにまたがる2つの再構成タスクの実験は、改良とアクティブな獲得において一貫した改善を示す。
• 参考スコア（独自算出の注目度）: 35.02888130785319
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Active grounding of a frozen diffusion prior requires jointly determining where new measurements should be taken and how they should be used to refine the current reconstruction. Posterior-ensemble-based methods can estimate acquisition utility from generated samples, but require repeated ensemble generation as observations accumulate and capture posterior geometry only through empirical statistics. This paper proposes GPARA, which learns a context-dependent graph surrogate over diffusion prediction residuals, inducing an explicitly reusable posterior response operator that propagates measurement innovations to unobserved variables and evaluates candidate measurements through weighted posterior-risk reduction. Under the matched surrogate, we show that the same response operator also determines expected one-step acquisition benefit and yields an analytic ranking consistent with expected reconstruction improvement. A bounded learned residual calibrates the analytic utility to account for surrogate mismatch, while a small prior ensemble is generated once and reconditioned to update risk weights without repeated diffusion posterior sampling during acquisition. Experiments on two reconstruction tasks spanning physical field and computer vision show consistent improvements in refinement and active acquisition over the evaluated baselines. Ablations further support the complementary roles of step-wise graph refinement, adaptive risk weighting, and analytically anchored calibration.
• Abstract（参考訳）: 凍結拡散前のアクティブグラウンドは、新しい測定をどこで行うべきか、どのように現在の再構築を洗練させるべきかを共同で決定する必要がある。 後方アンサンブルに基づく手法は、生成されたサンプルから取得ユーティリティを推定することができるが、観測が経験的統計によってのみ後部幾何学を蓄積・捕捉するため、繰り返しアンサンブルを生成する必要がある。 本稿では,拡散予測残差よりも文脈依存グラフを補助的に学習するGPARAを提案し,未観測変数に計測革新を伝播させ,重み付き後リスク低減による候補測定を評価する再利用可能な後応答演算子を誘導する。 一致したサロゲートの下では、同じ応答演算子が期待される1ステップの獲得利益も決定し、予測された再構築改善と整合した解析的ランキングが得られることを示す。 有界学習残余は、サロゲートミスマッチを考慮に入れた分析ユーティリティを校正する一方、小さな事前アンサンブルが一度生成され、取得中に繰り返し拡散後続サンプリングを行わずにリスク重みを更新する。 物理場とコンピュータビジョンにまたがる2つの再構成タスクの実験は、評価ベースラインよりも洗練とアクティブな獲得が一貫した改善を示した。 アブレーションは、ステップワイズグラフの洗練、適応的リスク重み付け、解析的に固定されたキャリブレーションの補完的な役割を更に支えている。

関連論文リスト

• REGAIN: REconciliation GAIN-driven Auxiliary Direction Learning [12.590383160848141]
  本稿では,正規化された補助方向を学習する和解利得フレームワークを提案する。 有効な補助指示は未解決の標的不確実性について補完的な情報を提供する必要があることを示す。 北京PM2.5とオーストラリア観光データの実験では、ゲイン選択された測定値が通常の多変量と階層予測の両方を改善することが示されている。
  論文  参考訳（メタデータ） (2026-06-03T02:53:27Z)
• Measurement Geometry and Design for Trustworthy Generative Inverse Problems [9.927046475467204]
  本研究では,測度・測度の観点から生成的逆問題について検討する。 中心的な問題は、固定測定オペレータが、生成前の条件下で可視である近傍の画像を識別できるかどうかである。 本稿では,操作者が先行関係の接点方向をいかによく観察するかを定量化する局所的な測定・次元整合性尺度を提案する。
  論文  参考訳（メタデータ） (2026-06-01T14:28:24Z)
• Joint Model and Data Sparsification via the Marginal Likelihood [53.29070892356214]
  本稿では,個々の特徴とサンプルの相違点を同時学習し,同時にモデルとデータスペーシングを実現することを提案する。 このモデルとデータの対称的なプルーニングは、共役を保存する自然な拡張を提供する。 多様な回帰タスクにわたる経験的結果は、共同ARDアプローチがスパースモデルとロバスト予測モデルの両方を一貫して生成することを確認した。
  論文  参考訳（メタデータ） (2026-05-28T13:26:53Z)
• Factorize to Generalize: Retrieval-Guided Invariant-Dynamic Decomposition for Time Series Forecasting [64.2640656619583]
  時系列基礎モデル (TSFM) は, 大規模事前学習と検索強化予測により, ゼロショット予測性能が向上した。 本稿では時系列予測のための検索誘導不変動的分解フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-05-24T07:31:55Z)
• Next-Acceleration-Scale Prediction for Autoregressive MRI Reconstruction [52.32112533846212]
  MRI再建は本質的に不完全な逆問題である。 この制限は、再構成を離散的なマルチスケールの潜在空間に移動させ、自己回帰的次加速スケールの予測として機能させることによって解決する。 提案手法は,過度のアンサンプ下での多種多様なサンプリングパターンの再構成性能の向上を図っている。
  論文  参考訳（メタデータ） (2026-05-19T04:40:50Z)
• Simulation-Based Inference via Regression Projection and Batched Discrepancies [1.9435397960631862]
  我々は,観測データの回帰に基づく投影のみを用いて,シミュレーションパラメータを推論する軽量なシミュレーションベース推論手法を解析した。 DREAMSシミュレーションスイートを用いたトラクタブル非線形モデルと宇宙キャリブレーションタスクの実験は、回帰ベースの射影の計算上の利点を示している。
  論文  参考訳（メタデータ） (2026-02-03T15:07:40Z)
• Towards Distribution-Shift Uncertainty Estimation for Inverse Problems with Generative Priors [4.085626952545055]
  遺伝子モデルは、逆問題を解決するためのデータ駆動の先駆体として強い可能性を示してきた。 本稿では,分散シフトに敏感なインスタンスレベルのキャリブレーションのない不確実性指標を提案する。 提案するインジケータは,任意の計算画像逆問題に対して効率的に計算可能である。
  論文  参考訳（メタデータ） (2025-10-13T02:58:26Z)
• 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)
• An Unconditional Representation of the Conditional Score in Infinite-Dimensional Linear Inverse Problems [5.340736751238338]
  線形逆問題に適した条件付きスコア関数の非条件表現を提案する。 条件付きスコアはアフィン変換を用いて訓練された(条件なし)スコアから正確に導出可能であることを示す。 我々のアプローチは無限次元函数空間で定式化され、本質的に離散化不変である。
  論文  参考訳（メタデータ） (2024-05-24T15:33:27Z)

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。