面向受损观测的干净扩散模型训练的期望最大化算法
计算机视觉与模式识别
2024-07-02 v1
摘要
扩散模型因其能够建模复杂图像先验而在解决图像逆问题方面表现突出。然而，他们依赖大量干净数据集进行训练，这限制了在数据稀缺的场景中的实际应用。在本文中，我们提出了EMDiffusion，一种基于期望最大化(EM)的方法，用于从受损观测量训练扩散模型。我们的方法在迭代过程中交替进行：使用已知扩散模型从受损数据重建干净图像(E步骤)以及基于这些重建结果细化扩散模型权重(M步骤)。这一过程导致所学习的扩散模型逐渐收敛到真实的干净数据分布。我们通过在多样化的计算成像任务上的大量实验验证了该方法，包括随机遮挡、去噪和去模糊，实现了新的最佳性能。
引用
@article{arxiv.2407.01014,
title = {An Expectation-Maximization Algorithm for Training Clean Diffusion Models from Corrupted Observations},
author = {Weimin Bai and Yifei Wang and Wenzheng Chen and He Sun},
journal= {arXiv preprint arXiv:2407.01014},
year = {2024}
}