fulfulggg
commented
2 hours ago 論文要約
論文要約: G2D2: 画像の逆問題解決のための勾配誘導離散拡散モデル
- 従来手法の課題: 画像のノイズ除去などの「逆問題」解決には、従来、連続値を用いる拡散モデルが主流だったが、画像のような離散的なデータへの適用には限界があった。
- 提案手法 (G2D2): 離散的な潜在コードを用いる拡散モデルを逆問題解決に応用する新しい手法を提案。
- カテゴリカル分布と連続緩和技術を用いることで、離散データにおける真の事後分布の近似を可能にした。
- 従来の離散拡散モデルの課題であった「吸収状態」問題を、「星型ノイズ過程」の導入により克服し、連続拡散技術に匹敵する性能を実現。
- 成果: 離散拡散モデルに基づく事前分布を用いて画像の逆問題を解決する最初のアプローチ。
タイトル: G2D2: 画像の逆問題解決のための勾配誘導離散拡散モデル
リンク: https://arxiv.org/abs/2410.14710
概要:
最近の研究では、連続変数で学習した拡散モデルを事前分布として用いることで、逆問題を効果的に解決しています。特に、離散的な潜在コードを持つ離散拡散モデルは、画像やモーション生成など、離散的な圧縮表現に適したモダリティにおいて高い性能を示しています。しかし、その離散的で微分不可能な性質のため、連続空間で定式化された逆問題への応用は制限されていました。本稿では、離散拡散に基づく画像生成モデルを事前分布として活用することで、線形逆問題を解決する新しい手法を提案します。具体的には、カテゴリカル分布と連続緩和技術を用いて構築した変分分布を用いることで、真の事後分布を近似します。さらに、吸収状態を持つ従来の離散拡散モデルの欠点を緩和するために、星型ノイズ過程を採用し、連続拡散技術に匹敵する性能を達成することを示します。私たちの知る限り、これは離散拡散モデルベースの事前分布を用いて画像の逆問題を解決する最初のアプローチです。