- 模型将明示：扩散模型的训练成员推断
利用扩散模型内在的生成先验，提出了一种用于训练成员推断的新方法，通过对图像进行连续退化和恢复的比较，判断其是否属于训练样本，并且在准确性和可理解性等方面优于现有方法。
- 利用扩散先验将生成模型和判别模型融合为统一的视觉感知模型
Vermouth 是一个简单而有效的框架，由预训练的稳定扩散（SD）模型、能够集成分层表示的统一头部（U-head）和提供鉴别先验的调整专家构成，通过广泛的比较评估，在零样本基于草图的图像检索（ZS-SBIR）、少样本分类和开放词汇语义分割 - 提高内容一致超分辨率扩散模型的稳定性
通过采用扩散模型来改善图像结构以及利用生成对抗训练来增强图像细节，我们提出了一种名为内容一致超分辨率（CCSR）的方法，大大减少了基于扩散先验的超分辨率的随机性，提高了超分辨率输出的内容一致性并加速了图像生成过程。
- 让潜在的扩散模型能够在黑暗中看见
通过将训练于大规模开放领域数据集的扩散模型变为生成先验，提出了一种新颖的基于扩散模型的低光图像增强方法，称为 LDM-SID，该方法通过向扩散模型中插入一组所提出的驯服模块来引导其生成过程，并在观察到扩散模型不同部分的特定生成先验后，将低频 - EvE：利用生成概率推测进行辐射场增强
EvE 使用生成先验来改进大规模场景的建模，通过预训练的生成网络，以及 K-Planes（基于 K - 面元）在训练集上的优化指导，提高了现实场景建模的细节质量和在野外合成的表现，超越了现有方法。
- SeeSR: 面向语义感知的现实世界图像超分辨率
通过训练一个 degradation-aware 提取器，我们提出了一种针对生成式真实世界图像超分辨率的语义感知方法，以更好地保留语义保真度，同时将低分辨率图像整合到初始采样噪声中以减少过多的随机细节生成，实验结果表明我们的方法可以重现更现 - 潜在扩散逆解算的文本正则化
通过将预期解决方案的文本描述在逆采样阶段中进行正则化，我们引入了一种创新的潜变扩散逆求解器（TReg），通过感知偏见解决潜变扩散逆求解器中的歧义，从而成功缓解了这类问题的歧义，提高了效果和准确性。
- 一致视觉合成的协作分数蒸馏
在多样化的视觉模态中，利用大规模文本生成模型进行生成和编辑应用时，跨多图像实现一致性是具有挑战性的，本文提出了一种基于 CSD 的新方法，该方法利用 SVGD 将多个样本视为 “粒子” 进行更新，并组合它们的评分函数以同步地蒸馏一组图像的生 - 自由风格和快速的 3D 肖像合成
提出了一种利用文本提示来指定风格的快速 3D 肖像合成框架，该方法借助生成先验来构建少量样本，采用目标样式替换预训练 3D 生成器的三层平面生成器，从而实现了高质量和一致性风格合成。
- 零样本盲音频带宽扩展
该论文介绍了一种新方法 BABE（Blind Audio Bandwidth Extension），它利用预训练无条件扩散模型的生成先验处理盲音频带宽扩展中未知的低通损伤，其性能通过 客观和主观指标的评估表明，BABE 在测试合成数据时优于 - BigColor: 自然图像生成式颜色先验着色
本研究提出了一种名为 BigColor 的彩色图像上色方法，通过学习生成色彩先验来减轻以前的生成先验对图像结构和颜色的合成负担，并使用一种基于 encoder-generator 网络的方法来扩展其表示空间以覆盖各种野外图像结构，提供了具有 - 具有深度生成先验的鲁棒压缩感知 MRI
本文成功应用了 CSGM (Bora-Jalal-Price-Dimakis'17) 框架于临床 MRI 数据上，通过训练大脑扫描图像来生成先验分布，进而使用 Langevin 动态采样实现高质量的重建，在实验中表现出对真实分布和测量过程的 - 具有深度生成先验的压缩相位恢复：最优采样复杂度
本文研究了压缩相位恢复问题，提出了利用生成先验知识的算法可以在具有挑战性的非线性反问题中实现优化的样本复杂度，并可以比稀疏性先验知识暴露更少的测量噪声。
- 使用生成先验进行无监督音频源分离
通过将生成先验训练于各个单独的源上，利用梯度下降优化方法同时在这些源特定的潜在空间中搜索，以有效地恢复各个成分来源，并且通过在飞行中优化使用频谱失真函数而非直接定义波形 GAN 生成先验可以获得良好质量的源估计，我们针对语音数字和乐器数据集 - 随机生成先验相位恢复与压缩感知的精确渐进理论
本文探讨了使用具有随机权值矩阵和任意激活函数的全连接深度神经网络作为生成先验的一个集合，进行压缩感知和随机测量矩阵的相位恢复问题的信息理论优化性能和最好已知的多项式算法的锐利渐近性，并发现在这个问题上，生成先验相比于稀疏可分离先验在算法性能 - 交替阶段投影梯度下降算法与生成式先验用于解决压缩相位恢复问题
本文基于生成先验提出了解决相位恢复的两种算法，通过分析高斯测量的样本复杂度证明了应用梯度下降算法的性能优于现有的生成先验算法，其中采用 AltMin 法处理非凸稀疏相位恢复问题。
- 利用深度生成先验的盲图像去卷积
该论文提出了一种使用深度生成网络作为先验进行盲图像去卷积（盲去模糊）的新方法，通过使用两个单独的生成模型以及卷积网络，我们提出了一种交替梯度下降方案，可在较大的模糊和噪声下获得有希望的去模糊结果，最终在更加多样化的自然图像数据集上获得了扩展