贝叶斯反演中的抽样策略：RTO 与 Langevin 方法研究
图像与视频处理
2024-11-06 v3 计算机视觉与模式识别
统计理论
统计理论
摘要
本文研究了解决逆问题抽样方法的两大类，分别是基于灵敏度分析的随机后优化 (Randomize-Then-Optimize, RTO) 方法，以及基于贝叶斯框架的 Langevin 方法。这两类方法对应不同的假设，产生不同的目标分布样本。我们强调了两种方法的主要概念和理论差异，并通过处理成像中的两类经典逆问题：图像去模糊与图像填充来进行实际对比。我们表明，抽样方法的选择对重建质量具有显著影响，且 RTO 方法对参数选择更稳健。
关键词
引用
@article{arxiv.2406.16658,
title = {Sampling Strategies in Bayesian Inversion: A Study of RTO and Langevin Methods},
author = {Remi Laumont and Yiqiu Dong and Martin Skovgaard Andersen},
journal= {arXiv preprint arXiv:2406.16658},
year = {2024}
}