Основные понятия
확산 역문제 해결을 위해 일관성 모델을 활용하면 비선형 연산자에 대한 성능을 향상시킬 수 있다.
Аннотация
이 논문은 확산 역문제 해결을 위한 새로운 접근법을 제안한다.
- 연산자 f(.)가 선형일 때는 후견 평균을 사용하는 것이 좋지만, 비선형일 때는 후견 샘플을 사용하는 것이 더 좋다는 것을 보여준다.
- 후견 샘플을 근사하기 위해 일관성 모델(CM)을 사용하는 것을 제안한다. CM은 실제 이미지와 유사한 샘플을 생성할 수 있어 비선형 연산자에 잘 작동한다.
- 또한 CM을 역전파하는 새로운 확산 역문제 해결 방법을 제안한다. 이 방법은 선형 및 비선형 연산자에 모두 잘 작동한다.
- 실험 결과, 제안된 방법들이 기존 방법들에 비해 비선형 연산자에서 더 나은 성능을 보인다.
Статистика
비선형 연산자(semantic segmentation, room layout estimation, image captioning, image classification)에 대해 제안된 방법이 기존 방법보다 mIOU, FID 등의 지표에서 더 나은 성능을 보였다.
선형 연산자(down-sampling)에 대해서는 제안된 방법이 기존 방법과 유사한 성능을 보였다.
Цитаты
"When f(.) is non-linear, the posterior sample is preferred."
"We propose to use consistency model (CM) as a high-quality approximation to posterior sample."
"Our proposed CM inversion also works well on both linear and non-linear operators."