SURE引导后验采样：基于扩散的逆问题的轨迹校正

Research Paper#Diffusion Models, Inverse Problems, Machine Learning🔬 Research|分析: 2026年1月3日 19:04•
发布: 2025年12月29日 06:19
•
1分で読める
•ArXiv

分析

本文介绍了一种新方法，SURE引导后验采样（SGPS），以提高扩散模型解决逆问题的效率。核心创新在于使用Stein的无偏风险估计（SURE）和基于PCA的噪声估计来校正采样轨迹偏差。这种方法允许以比现有方法少得多的神经函数评估（NFE）实现高质量的重建，这使其成为该领域的宝贵贡献。
引用 / 来源
查看原文
"SGPS enables more accurate posterior sampling and reduces error accumulation, maintaining high reconstruction quality with fewer than 100 Neural Function Evaluations (NFEs)."
A
ArXiv2025年12月29日 06:19
* 根据版权法第32条进行合法引用。
较旧

FairGFL: Privacy-Preserving Fairness-Aware Federated Learning with Overlapping Subgraphs

较新

Unveiling Multimessenger Emission from Hidden Cores of Microquasars

相关分析

Research Paper

SpaceTimePilot：时空控制的生成视频渲染

2026年1月3日 06:10

Research Paper

量子混沌哈密顿量演化下的随机性生成

2026年1月3日 06:10

Research Paper

GaMO：几何感知扩散用于稀疏视角3D重建

2026年1月3日 06:32

来源: ArXiv