在扩散模型免训练引导中利用精确去噪后验得分
机器学习
2025-06-17 v1 计算机视觉与模式识别
机器学习
摘要
扩散模型的成功推动了对通过去噪过程的免训练引导进行条件采样以解决图像恢复和其他逆问题的兴趣。一类流行的方法——扩散后验采样（DPS）——试图直接近似不可处理的后验得分函数。在这项工作中，我们为纯去噪任务提出了一种新颖的精确后验得分表达式，该表达式可以用无条件得分函数来表示。我们利用这一结果来分析 DPS 得分在去噪任务中的时间相关误差，并在线计算步长以最小化每个时间步的误差。我们证明这些步长可以迁移到相关的逆问题，如着色、随机修复和超分辨率。尽管方法简单，该方法与最先进的技术具有竞争力，并且可以使用比 DPS 更少的时间步进行采样。
引用
@article{arxiv.2506.13614,
title = {Exploiting the Exact Denoising Posterior Score in Training-Free Guidance of Diffusion Models},
author = {Gregory Bellchambers},
journal= {arXiv preprint arXiv:2506.13614},
year = {2025}
}