基于扩散模型的 1 位量化信号恢复
机器学习
2026-01-13 v2
摘要
扩散模型 (DM) 已显示出在信号恢复中具有强大的先验能力，但其应用于 1 位量化任务（如 1 位压缩感知和 logistic 回归）仍面临挑战。这一困难源于这些任务中固有的非线性链接函数，要么不可微，要么缺乏明确的特征描述。为解决此问题，我们引入 Diff-OneBit，这是一种针对 1 位量化信号恢复的快速且有效的基于扩散模型的方法。Diff-OneBit 通过利用可微的替代似然函数来建模 1 位量化，从而克服不可微或隐式链接函数所带来的挑战，实现梯度迭代。该函数集成到一种灵活的插拔式框架中，将数据保真项与扩散先验解耦，允许任何预训练的 DM 作为去噪器嵌入迭代重建过程中。在 FFHQ、CelebA 和 ImageNet 数据集上的大量实验表明，Diff-OneBit 能提供高保真度的重建图像，在 1 位压缩感知和 logistic 回归任务中均在重建质量和计算效率方面超越了最新方法。我们的代码已公开于 https://github.com/Chenyouming123/DiffOneBit。
引用
@article{arxiv.2511.12471,
title = {Diffusion Model Based Signal Recovery Under 1-Bit Quantization},
author = {Youming Chen and Zhaoqiang Liu},
journal= {arXiv preprint arXiv:2511.12471},
year = {2026}
}
备注
AAAI2026