零样逆问题中的扩散模型：阶段性失真-感知遍历
机器学习
2026-05-29 v2
摘要
失真-感知 (D-P) 权衡是贝叶斯逆问题的基本现象，揭示了失真性能与感知质量之间的内在张力。实现灵活的 D-P 权衡遍历在推断时至关重要。尽管近期扩散模型在零样本逆问题求解中取得了成功，但在扩散基于逆算法中实现 D-P 遍历的有效且原则的方法仍不充分。本文提出一种单一扩散模型实现 D-P 遍历的阶段性框架。我们的方法称为 MAP-RPS，首先采用 MAP 估计阶段近似 MMSE 解并提供低失真初始化，随后采用重噪声后验抽样阶段逐步改进感知质量。我们对两个阶段提供了理论分析，确立了所提设计的有效性和有效性。此外，我们将 MAP-RPS 扩展到潜在空间，得到 LMAP-RPS，通过利用大规模预训练潜在扩散 backbone 实现更广泛的适用性。大量实验表明，MAP-RPS 和 LMAP-RPS 在各种任务上实现了更有效的 D-P 遍历，同时在实际逆问题中表现出强大的性能。
引用
@article{arxiv.2605.28711,
title = {Stage-wise Distortion-Perception Traversal in Zero-shot Inverse Problems with Diffusion Models},
author = {Jiawei Zhang and Ziyuan Liu and Leon Yan and Zhenyu Xiao and Yuantao Gu},
journal= {arXiv preprint arXiv:2605.28711},
year = {2026}
}
备注
Accepted by ICML 2026