論文の概要: Beyond Best-of-$k$: Prior-Consistent DAPS for Ambiguous Nonlinear Inverse Problems

• arxiv url: http://arxiv.org/abs/2610.31592v1
• Date: Thu, 22 Oct 2026 17:26:34 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-24 02:08:44.496761
• Title: Beyond Best-of-$k$: Prior-Consistent DAPS for Ambiguous Nonlinear Inverse Problems
• Title（参考訳）: 曖昧な非線形逆問題に対するBest-of-k$: Preside-Consistent DAPS
• Abstract要約: Decoupled Annealing Posterior Sampling(DAPS)の亜種であるPC-DAPS(PC-DAPS)を導入する。 PC-DAPSは、先行一貫性のないサンプルの発生を低減し、非線形逆問題におけるサンプル品質を向上させる。
• 参考スコア（独自算出の注目度）: 21.256247488852686
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Diffusion models have become strong priors for solving inverse problems. However, nonlinear inverse problems such as phase retrieval remain challenging when multiple measurement-consistent solutions are distinguishable only by the prior; we call such measurements ambiguous. Existing diffusion-based samplers rely on local approximations during reconstruction. For an ambiguous measurement, these approximations can allow measurement guidance to favor a measurement-consistent mode that is close to a prior-supported mode but is itself not supported by the prior. Evaluation often masks this type of failure by reporting the best-of-$k$ runs, where the best is selected by comparison to the ground truth. We introduce Prior-Consistent DAPS (PC-DAPS), a variant of Decoupled Annealing Posterior Sampling (DAPS) designed to address this failure case by maintaining multiple candidate solutions within a single sampling run. As annealing noise decreases, PC-DAPS prunes and replaces weaker candidates according to their prior consistency, without any ground-truth access. PC-DAPS reduces the incidence of prior-inconsistent samples and improves sample quality on nonlinear inverse problems while preserving sample quality and diversity on linear inverse problems.
• Abstract（参考訳）: 拡散モデルは、逆問題解決の強力な先駆者となっている。 しかし, 位相探索のような非線形逆問題では, 複数の測定一貫性の解が前者のみに識別可能である場合, 依然として困難であり, このような測定は曖昧である。 既存の拡散型サンプリングは、再構築時に局所近似に依存する。 あいまいな測定のために、これらの近似は、測定ガイダンスが事前支持モードに近いが、それ自身は以前のモードではサポートされない測定一貫性モードを選択することができる。 評価は、しばしば、地上の真実と比較してベストが選択される、最高の$kの実行を報告することで、この種の失敗を隠蔽する。 単一サンプリングラン内で複数の候補解を維持することにより,この障害に対処するために設計されたデカップリング・アニーリング・ポストリアサンプリング(DAPS)の変種であるPC-DAPSを導入する。 アニーリングノイズが減少するにつれて、PC-DAPSはより弱い候補を事前の一貫性に従って置き換える。 PC-DAPSは、非一貫性サンプルの発生率を低減し、非線形逆問題におけるサンプル品質を向上し、サンプル品質と線形逆問題に対する多様性を保ちながら、非線形逆問題におけるサンプル品質を向上させる。

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)
• Proximal-IMH: Proximal Posterior Proposals for Independent Metropolis-Hastings with Approximate Operators [4.887201041798969]
  本稿では,近似後部からのサンプルを補助最適化問題により補正する手法であるProximal-IMHを紹介する。 最適設定のために、近似補正が近似後部と正確な後部とのマッチングを締め付け、受容率と混合率を向上させることを証明した。 この方法は線形および非線形入力出力演算子の両方に適用され、特に正確な後方サンプリングが高価すぎる逆問題に向いている。
  論文  参考訳（メタデータ） (2026-02-24T22:58:50Z)
• 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)
• Diffusion Prior-Based Amortized Variational Inference for Noisy Inverse Problems [12.482127049881026]
  そこで本稿では, 償却変分推論の観点から, 拡散による逆問題の解法を提案する。 我々の償却推論は、測定結果を対応するクリーンデータの暗黙の後方分布に直接マッピングする関数を学習し、未知の計測でも単一ステップの後方サンプリングを可能にする。
  論文  参考訳（メタデータ） (2024-07-23T02:14:18Z)
• Improving Diffusion Inverse Problem Solving with Decoupled Noise Annealing [84.97865583302244]
  Decoupled Annealing Posterior Smpling (DAPS) と呼ばれる新しい手法を提案する。 DAPSは、新しいノイズアニール法に依存している。 DAPSは複数の画像復元作業において,サンプル品質と安定性を著しく向上することを示した。
  論文  参考訳（メタデータ） (2024-07-01T17:59:23Z)
• Diffusion Model Based Posterior Sampling for Noisy Linear Inverse Problems [14.809545109705256]
  本稿では、簡単な閉形式近似を確率スコアに提案することにより、高速で効果的な解を提案する。 拡散モデルとフローベースモデルの両方において、様々な雑音線形逆問題に対して広範な実験を行う。 提案手法は,全ての基本手法よりもはるかに高速でありながら,高い競争力あるいはより優れた復元性能を示す。
  論文  参考訳（メタデータ） (2022-11-20T01:09:49Z)
• Diffusion Posterior Sampling for General Noisy Inverse Problems [50.873313752797124]
  我々は、後方サンプリングの近似により、雑音(非線形)逆問題に対処するために拡散解法を拡張した。 本手法は,拡散モデルが様々な計測ノイズ統計を組み込むことができることを示す。
  論文  参考訳（メタデータ） (2022-09-29T11:12:27Z)

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。