关于高斯数据分布下扩散模型逆问题准确性的精确评估
机器学习
2025-07-10 v1
摘要
作为贝叶斯逆问题的先验，扩散模型近期在文献中引起了广泛关注。它们的灵活性和高方差使其能够为给定任务（如填充、超分辨率和去模糊）生成多个解决方案。然而，关于它们实际性能的若干未解决问题仍然存在。在本文中，我们针对去模糊问题在高斯数据分布上的应用，研究了这些模型的准确性。在受限上下文中，我们能够精确分析扩散模型解决方案与理论逆问题解析解之间的差异，通过计算扩散模型采样器分布与逆问题理想解决方案分布之间的确切Wasserstein距离。我们的发现允许对文献中不同算法进行比较。
引用
@article{arxiv.2507.07008,
title = {Exact Evaluation of the Accuracy of Diffusion Models for Inverse Problems with Gaussian Data Distributions},
author = {Emile Pierret and Bruno Galerne},
journal= {arXiv preprint arXiv:2507.07008},
year = {2025}
}