InverseBench：面向物理科学逆问题的即插即用扩散先验基准测试
机器学习
2025-10-01 v2
摘要
即插即用扩散先验（PnPDP）已成为解决逆问题的有前途的研究方向。然而，当前的研究主要集中在自然图像恢复上，使得这些算法在科学逆问题中的性能在很大程度上未被探索。为了填补这一空白，我们引入了 InverseBench，这是一个在五个不同的科学逆问题上评估扩散模型的框架。这些问题呈现出与现有基准不同的独特结构挑战，源于光学断层扫描、医学成像、黑洞成像、地震学和流体动力学等关键科学应用。借助 InverseBench，我们将 14 种使用即插即用扩散先验的逆问题算法与强大的特定领域基线进行了基准比较，为现有算法的优缺点提供了有价值的新见解。为了促进进一步的研究与开发，我们在 https://devzhk.github.io/InverseBench/ 开源了代码库，以及数据集和预训练模型。
引用
@article{arxiv.2503.11043,
title = {InverseBench: Benchmarking Plug-and-Play Diffusion Priors for Inverse Problems in Physical Sciences},
author = {Hongkai Zheng and Wenda Chu and Bingliang Zhang and Zihui Wu and Austin Wang and Berthy T. Feng and Caifeng Zou and Yu Sun and Nikola Kovachki and Zachary E. Ross and Katherine L. Bouman and Yisong Yue},
journal= {arXiv preprint arXiv:2503.11043},
year = {2025}
}