跳到主要内容
检索

# 扩散后验采样

4 篇关联报道

订阅更新
  1. arXiv

    无人机合成孔径雷达不再要求匀速直线:扩散先验加运动补偿,半分辨率截断下仍有21.3 dB

    无人机ISAC合成孔径雷达把成像写成精确线性逆问题,用预训练扩散模型作先验、回波作似然引导,在任意已知轨迹和未知位置误差下都能重建超分辨图像。

  2. arXiv

    地下裂缝网络不再逐条抽样:潜扩散模型直接生成三维体素场,稀疏井观测满足率84.2%

    地下裂缝网络此前只能按预设统计量逐条抽样,难以在稀疏井观测下约束。这里把二维与三维裂缝网络表示为二值占据场,用变分自编码器压到紧凑潜空间,再由扩散模型学习其分布,并通过学习式条件编码、无分类器引导与扩散后验采样把井观测注入采样过程。二维条件实现满足99.6%的井观测,三维原生体素场在保持裂缝体积分数接近参考集合的同时满足84.2%的井体素。

  3. arXiv

    空间预测不再为每种数据模型重训网络:一次训练,计数、删失、面聚合都能反演

    空间预测的目标是给定观测后潜在空间场的条件分布,这一分布通常没有闭式解,也难以抽样。引导扩散把过程模型与数据模型拆开:先无条件地学一个过程模型的扩散模型,预测时再把可微的似然梯度加进反向扩散,因此同一个训练好的过程模型可以服务多种数据模型。在高斯过程、Ginzburg–Landau 振幅场以及英国与爱尔兰甲烷通量反演中,该方法给出的预测分布与精确解或 MCMC 接近,并在更高空间分辨率下按潜场维度线性扩展。

  4. arXiv

    SIMCA 用离线最小二乘校准引导权重,使扩散与流匹配后验采样在 50 步内达到或超越现有方法

    作者提出 SIMCA:利用条件去噪分数匹配与条件流匹配目标在每步对引导权重呈最小二乘结构这一观察,把扩散与流匹配模型的无训练后验采样中引导权重化为每步二维线性最小二乘问题,并用贪心模拟式校准(仅需一个小批量采样轨迹、无需重训练)离线求解;在 FFHQ、ImageNet、CelebA、AFHQ-Cat 的多种逆问题上,该方法匹配或超越现有无训练方法,并使扩散采样器把步数从 1000 降到 50 而重建质量无显著下降。

已读完全部报道