AIが解く世界の難問 · 計算機科学の理論 · arXiv · 2026-10-20
拡散モデル事前分布による逆問題の解法：近似を用いないアンサンブルサンプリング・アプローチ
原題: Solving Inverse Problems via Diffusion-Based Priors: An Approximation-Free Ensemble Sampling Approach
ベイズ逆問題で拡散モデルを事前分布として用いる既存の事後サンプリング手法は、生成過程へのヒューリスティックな近似に頼っていた。本研究は拡散モデルと逐次モンテカルロ法の組み合わせに着想を得たアンサンブル・アルゴリズムを提案し、そのような近似なしに事後分布からサンプリングを行う。真の事後分布と生成サンプルの経験分布の誤差が、事前学習済みスコア関数の学習誤差とアンサンブルの粒子数を用いて抑えられることを理論的に示し、画像の複数の逆問題で既存の拡散モデル手法よりも精度の高い再構成を達成した。