基于扩散先验蒸馏的摊销后验采样
计算机视觉与模式识别
2024-07-26 v1
摘要
我们提出了摊销后验采样(APS),一种用于逆问题高效后验采样的新型变分推断方法。该方法训练条件流模型以最小化变分分布与由扩散模型隐式定义的后验分布之间的散度。这导致一个强大的摊销采样器,能够通过单次神经函数评估生成多样化的后验样本,在各种测量条件下具有广泛的推广能力。与现有方法不同,我们的做法是无监督的,不需要配对训练数据,适用于欧几里得域和非欧几里得域。我们在一系列任务上展示了其有效性,包括图像修复、流形信号重构和气候数据插值。APS在计算效率上显著优于现有方法,同时保持具竞争力的重构质量,使其能够在 diverse 领域中实现实时、高质量的逆问题解决方案。
引用
@article{arxiv.2407.17906,
title = {Hierarchical Object Detection and Recognition Framework for Practical Plant Disease Diagnosis},
author = {Kohei Iwano and Shogo Shibuya and Satoshi Kagiwada and Hitoshi Iyatomi},
journal= {arXiv preprint arXiv:2407.17906},
year = {2024}
}
备注
6 pages, 3 figures