Alapfogalmak
本稿では、拡散モデルやフローベース生成モデルを用いてノイズを含む線形逆問題を高速に解決する新しい手法、DMPSを提案する。従来手法よりも大幅に高速でありながら、同等以上の復元性能を実現する。
Kivonat
ノイズを含む線形逆問題に対する拡散モデルベースの事後サンプリング
本論文は、拡散モデルまたはフローベースモデルを用いて、ノイズを含む線形逆問題を解決するための高速かつ効率的な手法であるDMPS (Diffusion Model based Posterior Sampling) を提案しています。
画像の超解像、ノイズ除去、デ blurring、カラー化など、多くの科学技術分野の問題は、ノイズを含む線形逆問題として捉えることができます。これらの問題は、観測されたノイズの多いデータから元の信号を復元することを目的としています。
近年、拡散モデルやフローベース生成モデルといった深層生成モデルを用いて、高品質な画像を生成することができるようになりました。これらのモデルは、ノイズを含む線形逆問題を解決するためにも有効であることが示されています。
従来の手法では、拡散事後サンプリング (DPS) フレームワークを用いて、ノイズを含む尤度関数のスコアを近似していました。しかし、DPSとその派生手法は、逆伝播による勾配計算に時間がかかるため、推論速度が非常に遅いという欠点がありました。