AI और दुनिया की कठिन समस्याएँ · सैद्धांतिक कंप्यूटर विज्ञान · arXiv · 2026-10-20
डिफ्यूज़न-आधारित प्रायर के माध्यम से इनवर्स समस्याओं का समाधान: एक एप्रॉक्सिमेशन-मुक्त एन्सेम्बल सैंपलिंग दृष्टिकोण
मूल शीर्षक: Solving Inverse Problems via Diffusion-Based Priors: An Approximation-Free Ensemble Sampling Approach
डिफ्यूजन मॉडल का उपयोग बेयसियन व्युत्क्रम समस्याओं में जटिल प्रायर (priors) का प्रतिनिधित्व करने के लिए व्यापक रूप से किया जाता है, लेकिन मौजूदा पोस्टीरियर सैंपलिंग विधियां जनरेटिव प्रक्रिया के ह्यूरिस्टिक सन्निकटनों पर निर्भर करती हैं। लेखक एक एन्सेम्बल-आधारित एल्गोरिदम प्रस्तावित करते हैं, जो डिफ्यूजन मॉडलों को सीक्वेंशियल मोंटे कार्लो के साथ जोड़ने से प्रेरित है और बिना ह्यूरिस्टिक सन्निकटनों के पोस्टीरियर सैंपलिंग करता है। वे सिद्ध करते हैं कि सही पोस्टीरियर और जनरेट किए गए सैंपल्स के अनुभवजन्य वितरण के बीच की त्रुटि को प्री-ट्रेंड स्कोर फ़ंक्शन की ट्रेनिंग त्रुटि और कणों की संख्या से सीमित किया जा सकता है, और कई इमेजिंग व्युत्क्रम समस्याओं पर यह विधि मौजूदा डिफ्यूजन-मॉडल-आधारित विधियों की तुलना में अधिक सटीक पुनर्निर्माण देती है।