arXiv · ML· Haoxuan Chen, Yinuo Ren, Martin Renqiang Min, Lexing Ying, Zachary Izzo·· 9 小时前AI 评分33
无近似扩散先验集成采样求解逆问题
Solving Inverse Problems via Diffusion-Based Priors: An Approximation-Free Ensemble Sampling Approach
AI 导读
论文提出基于扩散模型先验的集成采样算法，避免贝叶斯逆问题中的启发式近似。 算法利用预训练得分函数推导修正 PDE，结合序贯蒙特卡洛方法模拟后验分布，并证明误差可被训练误差和粒子数界定。 在成像逆问题实验中，该方法重构精度优于现有基于扩散模型的技术。
来源：arXiv · ML · arxiv.org