タスク固有のチューニングなしで逆問題に対応するノイズ適応型拡散サンプリング

arXiv cs.LG / 2026/4/21

📰 ニュースDeveloper Stack & InfrastructureModels & Research

共有:

要点

本論文は、逆拡散を初期ノイズからクリーン画像への決定論的写像として扱うことで、逆問題に対する事後サンプリングを行う手法 Noise-space Hamiltonian Monte Carlo（N-HMC）を提案する。
推論を初期ノイズ空間に完全に移すことで、解探索の幅を確保し、最適化ベースの拡散パイプラインで起こりがちな局所解やノイズの過学習といった問題を回避することを狙う。
提案分布を学習されたデータ・マニフォールド上に保つことで、逆問題で測定整合性をデノイズ中に強制する際に生じやすいマニフォールド不適合の困難に対処する。
ノイズの種類とレベルが不明な逆問題に効果的に対応するため、ノイズ適応型の NA-NHMC（NA-NHMC）も拡張として提示される。
4つの線形および3つの非線形逆問題での実験では、NA-NHMCが再構成品質で優れており、ハイパーパラメータや初期化に対しても頑健で、最近の最先端手法を大きく上回ることが示され、コードもGitHubで公開されている。