論文の概要: Recovery Guarantees for Posterior Sampling of One-Bit Compressed Sensing

• arxiv url: http://arxiv.org/abs/2610.11834v2
• Date: Mon, 12 Oct 2026 09:59:32 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-14 23:39:49.808635
• Title: Recovery Guarantees for Posterior Sampling of One-Bit Compressed Sensing
• Title（参考訳）: 1ビット圧縮センシングの後方サンプリングのためのリカバリ保証
• Abstract要約: 先行分布から引き出された信号に対するノイズの多い1ビット圧縮センシングのサンプル複雑性について検討した。 実世界のシナリオに対する理想的な後部サンプリング過程を近似するために,拡散前のプラグ・アンド・プレイ・アルゴリズムを用いて後部サンプリングをインスタンス化する。
• 参考スコア（独自算出の注目度）: 17.143628258241115
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We study the sample complexity of noisy one-bit compressed sensing for signals drawn from a prior distribution. By characterizing the effective distributional complexity of the prior via its approximate covering number, we prove that posterior sampling achieves accurate recovery with high probability when the number of measurements scales with the logarithm of the approximate covering number, up to a one-bit separation gap factor. This upper bound is robust to learned prior mismatch. Specifically, we show that posterior sampling with an approximate prior remains reliable, provided that the learned prior distribution is sufficiently close to the true signal distribution in Wasserstein distance. In addition, we establish a sample complexity lower bound for any reliable method of noisy one-bit compressed sensing, showing that our upper bound is nearly matched in its main prior dependent term. To approximate the ideal posterior sampling process for real world scenarios, we instantiate posterior sampling through a plug-and-play algorithm with diffusion priors. Experiments on the FFHQ and ImageNet datasets demonstrate the effectiveness of our proposed approach.
• Abstract（参考訳）: 先行分布から引き出された信号に対するノイズの多い1ビット圧縮センシングのサンプル複雑性について検討した。 近似被覆数を用いて前者の効率的な分布複雑性を特徴付けることにより, 被被覆数の対数で測定値が1ビットの分離ギャップ係数まで大きくなると, 後方サンプリングが高い確率で正確なリカバリを実現することを証明した。 この上限は、事前のミスマッチを学習するのに堅牢です。 具体的には、学習した先行分布がワッサーシュタイン距離における真の信号分布に十分近いことを仮定して、近似した先行サンプリングが信頼できることを示す。 さらに, ノイズのある1ビット圧縮センシングの信頼性のある手法に対して, サンプルの複雑性を低く設定し, 上界が主従属項にほぼ一致することを示す。 実世界のシナリオに対する理想的な後部サンプリング過程を近似するために,拡散前のプラグ・アンド・プレイ・アルゴリズムを用いて後部サンプリングをインスタンス化する。 FFHQおよびImageNetデータセットの実験により,提案手法の有効性が示された。

関連論文リスト

• Complexity of Non-Log-Concave Sampling in Fisher Information [18.448754225782743]
  対数平滑な非対数凹分布からサンプリングするための相対的なフィッシャー情報を得る際のクエリ複雑性について検討する。 本アルゴリズムは,Langevin拡散の暗黙の離散化である近位サンプリング器に基づいている。
  論文  参考訳（メタデータ） (2026-05-15T11:20:26Z)
• Efficient Approximate Posterior Sampling with Annealed Langevin Monte Carlo [36.938523047101555]
  スコアベース生成モデルの文脈における後部サンプリングの問題について検討する。 我々は,KLの発散前とFisherの発散後とにおいて,ノイズの後部に近い分布から抽出できることを示す。
  論文  参考訳（メタデータ） (2025-08-11T05:25:24Z)
• Arbitrary-steps Image Super-resolution via Diffusion Inversion [68.78628844966019]
  本研究では,拡散インバージョンに基づく新しい画像超解像(SR)手法を提案する。 本研究では,拡散モデルの中間状態を構築するための部分雑音予測戦略を設計する。 トレーニングが完了すると、このノイズ予測器を使用して、拡散軌道に沿ってサンプリングプロセスを部分的に初期化し、望ましい高分解能結果を生成する。
  論文  参考訳（メタデータ） (2024-12-12T07:24:13Z)
• Online Posterior Sampling with a Diffusion Prior [20.24212000441531]
  ガウス事前の文脈的包帯における後方サンプリングは、ラプラス近似を用いて正確にあるいはほぼ実施することができる。 そこで本研究では,拡散モデルを用いた文脈帯域に対する近似的な後方サンプリングアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2024-10-04T20:47:16Z)
• Towards Sample-Optimal Compressive Phase Retrieval with Sparse and Generative Priors [59.33977545294148]
  O(k log L)$サンプルは振幅に基づく経験損失関数を最小化する任意のベクトルに信号が近いことを保証するのに十分であることを示す。 この結果はスパース位相検索に適応し、基底信号が$s$-sparseおよび$n$-dimensionalである場合、$O(s log n)$サンプルは同様の保証に十分であることを示す。
  論文  参考訳（メタデータ） (2021-06-29T12:49:54Z)
• Instance-Optimal Compressed Sensing via Posterior Sampling [101.43899352984774]
  後部サンプリング推定器がほぼ最適回復保証を達成できることを示す。 本稿では,Langevin dynamics を用いた深部生成前駆体の後方サンプリング推定器を実装し,MAP よりも精度の高い推定値が得られることを実証的に見出した。
  論文  参考訳（メタデータ） (2021-06-21T22:51:56Z)
• Efficiently Sampling Functions from Gaussian Process Posteriors [76.94808614373609]
  高速後部サンプリングのための簡易かつ汎用的なアプローチを提案する。 分離されたサンプルパスがガウス過程の後部を通常のコストのごく一部で正確に表現する方法を実証する。
  論文  参考訳（メタデータ） (2020-02-21T14:03:16Z)
• The Simulator: Understanding Adaptive Sampling in the Moderate-Confidence Regime [52.38455827779212]
  エミュレータと呼ばれる適応サンプリングを解析するための新しい手法を提案する。 適切なログファクタを組み込んだトップk問題の最初のインスタンスベースの下位境界を証明します。 我々の新しい分析は、後者の問題に対するこの種の最初のエミュレータであるベストアームとトップkの識別に、シンプルでほぼ最適であることを示した。
  論文  参考訳（メタデータ） (2017-02-16T23:42:02Z)

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。