Tempered Guided Diffusion（温度付きガイド付き拡散）

要旨: 学習不要の条件付き拡散は、タスク固有の条件付きモデル学習に代わる柔軟な選択肢を提供しますが、既存のサンプラでは計算資源が非効率に割り当てられることが多いです。独立なガイド付き軌道は品質が大きくばらつき、単一の軌道に沿った追加の関数評価では、初期の判断が不適切だった場合の挽回ができないことがあります。本稿では、Tempered Guided Diffusion（TGD；温度付きガイド付き拡散）を提案します。これは、拡散事前分布を用いた学習不要の条件付きサンプリングのための、アニール（温度調整）付き逐次モンテカルロ（SMC）枠組みです。TGDは、クリーン信号に関する温度付き事後分布を目標とします。ここで拡散のノイズ状態は、再構成の提案と粒子の伝播のための補助変数としてのみ用います。粒子は、増分尤度比によって再重み付けされ、再サンプリングされ、ノイズの水準をまたいで伝播されます。その結果、事前分布と観測の両方の下で尤もらしい軌道に計算を集中させます。理想化された完全な再構成の仮定の下では、粒子数が増えるにつれて、TGD全体は事後分布に対する一貫した粒子近似を与えます。高コストな再構成課題では、Accelerated TGD（A-TGD；加速型TGD）は初期の粒子探索は維持しつつ、サンプリング途中で尤度が高い軌道の1つに枝刈りします。制御された2次元の逆問題および画像の逆問題に関する実験により、独立な複数軌道のベースラインと比べて、事後分布の近似が改善され、壁時計時間における速度と品質の望ましいトレードオフが得られることが示されます。