arXiv stat.ML· Dai Hai Nguyen, Duc Dung Nguyen·· 26 天前AI 评分34
动能朗之万结合分裂吉布斯：基于扩散先验加速成像逆问题后验采样
Kinetic Langevin Meets Split Gibbs: Accelerated Posterior Sampling for Imaging Inverse Problems with Diffusion Priors
AI 导读
RED-KLwSGS 算法将分裂吉布斯采样与单步去噪 score 驱动的欠阻尼（动能）朗之万扩散相结合，在保持低单步计算成本的同时实现了强对数凹先验下的非渐近 Wasserstein-2 收敛。该研究还提出了双变量更新版本 Joint-RED-KLwSGS。在 FFHQ 和 ImageNet 数据集上的实验表明，以扩散模型为先验时，该方法收敛更快且重建质量优异。
来源：arXiv stat.ML · arxiv.org