論文の概要: FlowFPR: Flow Matching Prior for Oversampled Fourier Phase Retrieval

• arxiv url: http://arxiv.org/abs/2611.00157v1
• Date: Fri, 30 Oct 2026 08:41:07 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-11-11 09:45:37.424385
• Title: FlowFPR: Flow Matching Prior for Oversampled Fourier Phase Retrieval
• Title（参考訳）: FlowFPR: オーバーサンプリングフーリエ位相検索に先立つフローマッチング
• Abstract要約: FlowFPRは、事前訓練されたフローマッチングと緩和された平均的な交互反射を統合し、オーバーサンプリングされたフーリエ位相を検索する。 プロセスはフローネットワークを通じて測定エラーのバックプロパゲーションを必要としない。 共通接地トラス支援多重再起動評価プロトコルによる自然面画像実験により, 関節変種が最適平均品質を達成することを示す。
• 参考スコア（独自算出の注目度）: 2.1364436387684855
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Fourier phase retrieval reconstructs images from magnitude measurements without phase information, but noise and channel ambiguities make natural color-image recovery challenging. Although diffusion-prior methods provide strong image constraints, their recovery can deteriorate under stronger measurement noise, and repeated generative updates incur substantial computational cost. This paper proposes FlowFPR, which integrates a pretrained Flow Matching prior with relaxed averaged alternating reflections for oversampled Fourier phase retrieval. Each outer iteration obtains a clean image estimate through a single time-dependent Flow prediction, applies measurement-consistency correction, and reconstructs the next path state after fusing the two candidates. This process requires no backpropagation of measurement errors through the Flow network. To address ineffective or excessive correction caused by prescribed fusion weights and fixed inner depths, we introduce adaptive fusion based on residual improvement and a controlled inner search combining early stopping with best-so-far candidate selection. Their combination yields a joint variant alongside the basic method and the two independent improvements. Experiments on natural face images under a common ground-truth-assisted multiple-restart evaluation protocol show that the joint variant achieves the best mean quality among the evaluated methods at the two tested nonzero noise levels, while same-hardware timing demonstrates lower end-to-end runtime than the diffusion-based baselines.
• Abstract（参考訳）: フーリエ位相検索は、位相情報のない大きさの測定から画像を再構成するが、ノイズやチャネルのあいまいさは自然な色の回復を困難にしている。 拡散優先法は強い画像制約を与えるが、その回復はより強い測定ノイズの下で悪化し、繰り返し生成する更新は相当な計算コストを発生させる。 本稿では,事前学習したフローマッチングと緩和された平均交互反射を統合したFlowFPRを提案する。 各外部イテレーションは、1つの時間依存フロー予測によりクリーンな画像推定値を取得し、測定一貫性補正を適用し、2つの候補を融合させた後、次のパス状態を再構築する。 このプロセスは、フローネットワークを通じて測定エラーのバックプロパゲーションを必要としない。 所定の融合重みと固定内深度による非効率あるいは過度な補正に対処するため,残差改善に基づく適応的融合を導入し,早期停止と最遠候補選択を併用した内部探索を制御した。 それらの組み合わせは、基本的な方法と2つの独立した改善とともに、ジョイント変種をもたらす。 共振器を用いた複数再起動評価プロトコルによる自然面画像実験により, 実験された2つの非ゼロノイズレベルにおける評価手法のうち, 関節変種が最高の平均品質を達成し, 同一ハードウェアタイミングは拡散ベースベースラインよりもエンド・ツー・エンドのランタイムが低いことを示す。

関連論文リスト

• Adversarial Training for Pixel Diffusion [56.81974037444868]
  画素拡散モデルは、オートエンコーダのボトルネックを避けるためにRGB画像を直接生成する。 対人学習は、この欠損症に対して効果的な訓練後修正を提供することを示す。
  論文  参考訳（メタデータ） (2026-09-29T17:59:41Z)
• SNaP: One-Step Posterior Sampling for Noisy Inverse Problems [8.966524060251965]
  SNaPはガウス雑音を伴う線形逆問題に対する1ステップのMeanFlow後方サンプリング器である。 多様な高品質なサンプルを生成し、1ドローあたり1つのネットワーク評価を行い、反復的なサンプルよりも30～2250ドル速くなる。
  論文  参考訳（メタデータ） (2026-09-28T01:02:55Z)
• 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)
• Stabilizing Diffusion Posterior Sampling by Noise--Frequency Continuation [52.736416985173776]
  高雑音下では、不正確な推定から計算されたデータ一貫性勾配は、後部幾何学と幾何的に一致しない。 本稿では、雑音依存周波数帯域内でのみ測定一貫性を強制する中間部分の連続的なファミリを構成するノイズ周波数継続フレームワークを提案する。 提案手法は最先端性能を実現し,強いベースライン上で最大5dBのPSNRの動作劣化を改善する。
  論文  参考訳（メタデータ） (2026-01-30T03:14:01Z)
• Diffusion Models for Solving Inverse Problems via Posterior Sampling with Piecewise Guidance [52.705112811734566]
  断片的なガイダンススキームを用いて,逆問題を解決するための新しい拡散型フレームワークが導入された。 提案手法は問題に依存しず,様々な逆問題に容易に適応できる。 このフレームワークは, (4時間), (8時間) の超分解能タスクに対して, (23%), (24%) および (24%) の無作為マスクを塗布する場合の (25%) の推論時間を短縮する。
  論文  参考訳（メタデータ） (2025-07-22T19:35:14Z)
• Solving Inverse Problems with FLAIR [68.87167940623318]
  本稿では,フローベース生成モデルを逆問題に先立って活用する学習自由変分フレームワークFLAIRを提案する。 標準画像ベンチマークの結果、FLAIRは再現性やサンプルの多様性の観点から、既存の拡散法や流れ法よりも一貫して優れていることが示された。
  論文  参考訳（メタデータ） (2025-06-03T09:29:47Z)
• Resfusion: Denoising Diffusion Probabilistic Models for Image Restoration Based on Prior Residual Noise [34.65659277870287]
  微分拡散モデルの研究は、画像復元の分野への応用を拡大した。 本稿では,残余項を拡散前進過程に組み込むフレームワークであるResfusionを提案する。 Resfusionは, ISTDデータセット, LOLデータセット, Raindropデータセットに対して, わずか5つのサンプリングステップで競合性能を示すことを示す。
  論文  参考訳（メタデータ） (2023-11-25T02:09:38Z)
• Deep Equilibrium Diffusion Restoration with Parallel Sampling [120.15039525209106]
  拡散モデルに基づく画像復元(IR)は、拡散モデルを用いて劣化した画像から高品質な(本社)画像を復元し、有望な性能を達成することを目的としている。 既存のほとんどの手法では、HQイメージをステップバイステップで復元するために長いシリアルサンプリングチェーンが必要であるため、高価なサンプリング時間と高い計算コストがかかる。 本研究では,拡散モデルに基づくIRモデルを異なる視点,すなわちDeqIRと呼ばれるDeQ(Deep equilibrium)固定点系で再考することを目的とする。
  論文  参考訳（メタデータ） (2023-11-20T08:27:56Z)
• Poisson-Gaussian Holographic Phase Retrieval with Score-based Image Prior [19.231581775644617]
  本稿では,スコア関数を先行生成関数とする高速化されたWirtinger Flow (AWF) を用いた新しいアルゴリズム"AWFS"を提案する。 PRの対数様関数の勾配を計算し、リプシッツ定数を決定する。 本稿では,提案アルゴリズムの臨界点収束保証を確立する理論的解析を行う。
  論文  参考訳（メタデータ） (2023-05-12T18:08:47Z)

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。