AI এবং বিশ্বের কঠিন সমস্যাগুলো · তাত্ত্বিক কম্পিউটার বিজ্ঞান · arXiv · 2026-10-20

Diffusion-ভিত্তিক প্রায়োর মাধ্যমে ইনভার্স সমস্যা সমাধান: একটি Approximation-Free এনসেম্বল স্যাম্পলিং পদ্ধতি

মূল শিরোনাম: Solving Inverse Problems via Diffusion-Based Priors: An Approximation-Free Ensemble Sampling Approach

বেইজিয়ান ইনভার্স সমস্যাগুলিতে জটিল প্রায়োর উপস্থাপনের জন্য ডিফিউশন মডেল ব্যাপকভাবে ব্যবহৃত হয়, কিন্তু বিদ্যমান পোস্টেরিয়র স্যাম্পলিং পদ্ধতিগুলি জেনারেটিভ প্রসেসের হিউরিস্টিক আনুমানিককরণের উপর নির্ভর করে। লেখকরা একটি এনসেম্বল-ভিত্তিক অ্যালগরিদম প্রস্তাব করেছেন, যা ডিফিউশন মডেল এবং সিকোয়েনশিয়াল মন্টে কার্লো একত্রিত করার অনুপ্রেরণায়, হিউরিস্টিক আনুমানিককরণ ছাড়াই পোস্টেরিয়র স্যাম্পলিং সম্পাদন করে। তারা প্রমাণ করেছেন যে প্রকৃত পোস্টেরিয়র এবং জেনারেট করা স্যাম্পলগুলির এম্পিরিকাল ডিস্ট্রিবিউশনের মধ্যবর্তী ত্রুটি প্রি-ট্রেইনড স্কোর ফাংশনের ট্রেনিং ত্রুটি এবং পার্টিকেলের সংখ্যা দ্বারা সীমাবদ্ধ করা যায়, এবং বেশ কয়েকটি ইমেজিং ইনভার্স সমস্যায় এই পদ্ধতি বিদ্যমান ডিফিউশন-মডেল-ভিত্তিক পদ্ধতিগুলির চেয়ে বেশি নির্ভুল পুনর্গঠন দেয়।

মূল লেখা পড়ুন ↗

সব আইটেম →