論文の概要: Robust Ensemble Guidance for Scientific Inverse Problems

• arxiv url: http://arxiv.org/abs/2610.05371v1
• Date: Sun, 04 Oct 2026 16:54:37 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-10 14:18:17.967062
• Title: Robust Ensemble Guidance for Scientific Inverse Problems
• Title（参考訳）: 科学的逆問題に対するロバストアンサンブルガイダンス
• Abstract要約: Robust Ensemble Guidance (REG) は、アンサンブル予測拡散を用いて観測スケールのバランスを保ち、極端に不一致な影響を制限するために標準化された残差を適応的にクリップする。 REGは3つの観測系で6.2-8.2dBのブラックホール再構成PSNRを増加させ、一致した予算比較でNavier-Stokes再構成誤差を26.4%削減する。
• 参考スコア（独自算出の注目度）: 100.58137337454754
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Ensemble guidance combines pretrained diffusion priors with black-box forward models to solve inverse problems without differentiating through the physical simulator. However, observation coordinates with large predictive spread or extreme residuals can dominate the ensemble correction, degrading reconstruction accuracy. We show that two simple modifications, weighting and clipping, substantially improve this correction. Our method, Robust Ensemble Guidance (REG), uses ensemble predictive spread to balance observation scales and adaptively clips standardized residuals to limit the influence of extreme discrepancies. Both operations reuse existing particles and forward predictions, requiring no additional denoiser or forward-model evaluations. Under a local linear Gaussian model, we derive conditions for reduced one-step estimation risk, bound the influence of individual observation coordinates, and characterize when these benefits persist with finite ensembles. Experiments on Navier-Stokes inversion, black-hole imaging, and acoustic full-waveform inversion demonstrate improved reconstruction over the underlying ensemble solver. In particular, REG increases black-hole reconstruction PSNR by 6.2-8.2 dB across three observation regimes and reduces Navier-Stokes reconstruction error by 26.4\% in a matched-budget comparison. These findings highlight the importance of observation heterogeneity and residual influence in designing reliable generative solvers for scientific inverse problems.
• Abstract（参考訳）: エンサンブルガイダンスは、事前訓練された拡散前兆とブラックボックスフォワードモデルを組み合わせることで、物理シミュレータを通して微分することなく逆問題を解決する。 しかし、大きな予測スプレッドや極端残差の観測座標がアンサンブル補正を支配し、再構成精度を低下させることができる。 重み付けとクリッピングという2つの簡単な修正により,この補正が大幅に改善されたことを示す。 我々の手法であるRobust Ensemble Guidance (REG)は、アンサンブルの拡散を利用して観測スケールのバランスを保ち、標準化された残差を適応的にクリップし、極端な不一致の影響を抑える。 どちらの操作も既存の粒子と前方予測を再利用し、追加のノイズや前方モデルの評価を必要としない。 局所線型ガウスモデルの下では、一段階推定リスクを低減し、個々の観測座標の影響を束縛し、これらの利点が有限アンサンブルで持続するときに特徴付ける条件を導出する。 Navier-Stokesインバージョン、ブラックホールイメージング、音響フルウェーブフォームインバージョンの実験は、基礎となるアンサンブルソルバに対する再構成の改善を実証している。 特に、REGは3つの観測系で6.2-8.2dBのブラックホール再構成PSNRを増加させ、一致した予算比較でNavier-Stokes再構成誤差を26.4\%削減する。 これらの知見は、科学的逆問題に対する信頼性のある生成問題を設計する上での観察的不均一性と残留的な影響の重要性を浮き彫りにした。

関連論文リスト

• PosteriorBench: From Point Estimates to Posterior Matching in Evaluating Generative Inverse Solvers [58.87583368961845]
  PosteriorBenchは、生成的逆解器の分布精度を評価するためのベンチマークである。 ダーシーフローの逆転、ポアソン源の回復、炭素捕獲と貯蔵、光輸送物質推論の4つの物理に基づく逆問題を評価する。
  論文  参考訳（メタデータ） (2026-09-17T17:54:12Z)
• NICE: Scale-Stable Perturbations for Graph Neural Network Explanations via Noise Corruption [67.57304101271096]
  Element-wise Masking (EM) は、エッジによって引き起こされるメッセージをゼロに抑制する。 ノイズ破壊(NC)は、一致したノームなランダムな方向の破損を通じて各メッセージに摂動を与える。 騒音破壊に基づく説明フレームワークであるNICEは、NCが引き起こす不確実性の下で復元境界(英語版)(SRB)を学習する。
  論文  参考訳（メタデータ） (2026-08-17T03:08:14Z)
• Unbiased Diffusion Variational Inversion via Principled Posterior Matching [23.8766303220919]
  本稿では,難解な近似を使わずに,変分推論の基本に回帰するフレームワークを提案する。 近似に頼るのではなく、KL分散の正確な最適化を厳格に定式化する。 PPMは, 良好な再建忠実度, 忠実な多重モード後部回復, 良好な校正不確実性推定を実現している。
  論文  参考訳（メタデータ） (2026-05-24T12:38:59Z)
• DOC-GS: Dual-Domain Observation and Calibration for Reliable Sparse-View Gaussian Splatting [80.43237927269575]
  本稿では,新しい視点からスパースビュー3DGSの再構築について再考する。 我々は、ガウスの原始的信頼性の観測不能性として、コアチャレンジを識別する。 この観測を動機として、レンダリング画像フレームワークにおける統合されたデュアルドメイン観測と幾何学的手法を提案する。
  論文  参考訳（メタデータ） (2026-04-08T07:01:24Z)
• 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)
• Regularized Schrödinger Bridge: Alleviating Distortion and Exposure Bias in Solving Inverse Problems [22.120889156634444]
  逆問題に適したシュルディンガー橋を適応した正規化シュルディンガー橋(RSB)を提案する。 RSBは、入力状態とターゲットの両方を摂動させ、露光バイアスを効果的に軽減する、新しい規則化されたトレーニング戦略を採用している。 音声強調のための2つの典型的な逆問題に対する大規模な実験は、RSBが最先端の手法より優れていることを示した。
  論文  参考訳（メタデータ） (2025-11-12T08:33:23Z)
• VIKING: Deep variational inference with stochastic projections [48.946143517489496]
  変分平均場近似は、現代の過度にパラメータ化されたディープニューラルネットワークと競合する傾向がある。 パラメータ空間の2つの独立線型部分空間を考える単純な変分族を提案する。 これにより、オーバーパラメトリゼーションを反映した、完全に相関した近似後部を構築することができる。
  論文  参考訳（メタデータ） (2025-10-27T15:38:35Z)

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。