扩散先验逆问题求解方法论文被TMLR接收

arXiv预印本论文提出基于扩散模型先验的集成采样算法，用于求解贝叶斯逆问题。该方法结合预训练得分函数推导修正PDE，并采用序贯蒙特卡洛（SMC）方法模拟后验分布，避免传统启发式近似。理论分析证明算法误差可由训练误差和粒子数界定，且在成像逆问题实验中，其重构精度优于现有基于扩散模型的技术。 TMLR 2026正式接收该论文。作者说明算法设计受现有结合扩散模型与序贯蒙特卡洛方法的启发，并已在GitHub仓库公开代码，便于复现与后续研究。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。