論文の概要: Accelerating posterior sampling in Bayesian inverse problems with diffusion models: an online-offline perspective

• arxiv url: http://arxiv.org/abs/2611.01300v1
• Date: Sat, 31 Oct 2026 21:59:44 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-11-13 00:12:18.578061
• Title: Accelerating posterior sampling in Bayesian inverse problems with diffusion models: an online-offline perspective
• Title（参考訳）: 拡散モデルによるベイズ逆問題における後方サンプリングの高速化--オンラインオフラインの視点から
• Abstract要約: 逆問題には、情報的事前モデルと計算可能な後部推論の両方が必要である。 スコアベース拡散モデルは、表現力に富んだ事前学習を提供するが、インバージョンには条件付けの問題が伴う。 本調査では, 確率誘導法, スペクトル・投射法, 連続モンテカルロ補正法, 償却条件訓練など, この問題に対する主要なアプローチを概観する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Bayesian inverse problems require both informative prior models and computationally feasible posterior inference. Score-based diffusion models provide expressive learned priors, but their use for inversion introduces a conditioning problem: the score of a noised posterior is generally unavailable from a prior score alone. This selective survey reviews the principal approaches to that problem, including likelihood guidance, spectral and projection methods, sequential Monte Carlo corrections, and amortized conditional training. We organize methods by how they split cost between offline preparation and online inference, and compare their assumptions, advantages and limitations, with emphasis on computational speedups. Some ongoing directions and open questions are gathered at the end.
• Abstract（参考訳）: ベイズ逆問題には、情報的事前モデルと計算可能な後部推論の両方が必要である。 スコアベースの拡散モデルは、表現力のある事前学習を提供するが、その逆変換に使用すると条件付けの問題が発生する。 この選択的な調査は、可能性誘導、スペクトルおよび投射法、連続モンテカルロ補正、償却条件訓練など、この問題に対する主要なアプローチをレビューする。 オフライン準備とオンライン推論の間にコストを分割する方法を整理し、その仮定、利点、限界を計算スピードアップに重点を置いて比較する。 いくつかの進行中の方向とオープンな質問が最後に集められます。

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)
• Exact Posterior Score Estimation for Solving Linear Inverse Problems [32.51816945978934]
  拡散モデルとフローベースモデルは、ガウスの汚職を逆転させるためにデノイザーを訓練することで、強力なデータ先行を学習する。 既存の方法は、近似的な測定マッチング補正で固定された事前訓練されたデノイザを操るか、あるいは前者のデノイズ構造を捨てた条件付き復元モデルを訓練するかのいずれかである。 我々はこのアイデンティティを,標準事前学習の入出力構造を保存した学習目標であるExact Posterior Score(EPS)に変換する。
  論文  参考訳（メタデータ） (2026-06-15T17:58:22Z)
• In-Context Parametric Inference: Point or Distribution Estimators? [66.22308335324239]
  償却点推定器は一般に後部推論より優れているが、後者は低次元問題では競争力がある。 実験の結果, 償却点推定器は一般に後部推定より優れているが, 後者は低次元問題では競争力があることがわかった。
  論文  参考訳（メタデータ） (2025-02-17T10:00:24Z)
• 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)
• Amortizing intractable inference in diffusion models for vision, language, and control [89.65631572949702]
  本稿では,p(mathbfx)$以前の拡散生成モデルとブラックボックス制約,あるいは関数$r(mathbfx)$からなるモデルにおいて,データ上の後部サンプルである $mathbfxsim prm post(mathbfx)propto p(mathbfx)r(mathbfx)$について検討する。 我々は,データフリー学習目標である相対軌道バランスの正しさを,サンプルから抽出した拡散モデルの訓練のために証明する。
  論文  参考訳（メタデータ） (2024-05-31T16:18:46Z)
• Improving Diffusion Models for Inverse Problems Using Optimal Posterior Covariance [52.093434664236014]
  近年の拡散モデルは、特定の逆問題に対して再訓練することなく、ノイズの多い線形逆問題に対する有望なゼロショット解を提供する。 この発見に触発されて、我々は、最大推定値から決定されるより原理化された共分散を用いて、最近の手法を改善することを提案する。
  論文  参考訳（メタデータ） (2024-02-03T13:35:39Z)
• Calibrating Neural Simulation-Based Inference with Differentiable Coverage Probability [50.44439018155837]
  ニューラルモデルのトレーニング目的に直接キャリブレーション項を含めることを提案する。 古典的なキャリブレーション誤差の定式化を緩和することにより、エンドツーエンドのバックプロパゲーションを可能にする。 既存の計算パイプラインに直接適用でき、信頼性の高いブラックボックス後部推論が可能である。
  論文  参考訳（メタデータ） (2023-10-20T10:20:45Z)
• Learning to solve Bayesian inverse problems: An amortized variational inference approach using Gaussian and Flow guides [0.0]
  本研究では,ベイズ逆写像,すなわちデータから後部への写像を学習することで,リアルタイムな推論を可能にする手法を開発する。 我々のアプローチは、ニューラルネットワークの前方通過のコストで、所定の観測のための後部分布を提供する。
  論文  参考訳（メタデータ） (2023-05-31T16:25:07Z)

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。