Jul, 2024
用于多功能逆问题的原型聚类扩散模型
Prototype Clustered Diffusion Models for Versatile Inverse Problems
TL;DR扩散模型在解决各种逆问题方面取得了显著进展，通过数据流形的生成建模能力，从条件得分函数中进行后验抽样实现了由基于测量的可能性项认证的宝贵数据一致性。然而，大多数流行方法限制于测量模型的确定性退化过程，而不考虑现实世界中的善变不可预测的干扰。为了解决这个障碍，我们表明可以通过相反的概率图方向，通过基于恢复的可能性进行恢复，从而更新基于测量的可能性，借助各种现成的恢复模型并将严格的确定性退化过程扩展为具有所谓恢复引导的可调谐的聚类过程。特别是与各种可选的原型组装在一起，我们可以为不同的样本质量选择提供大量选择解决逆问题，并实现具有可靠实际保证的退化控制。我们展示了我们的工作与逆问题求解器领域中从分类器引导到无分类器引导的过渡形式上的正式类似性。对各种逆问题的实验证明了我们方法的有效性，包括图像去雾、雨痕去除和运动去模糊。