AI dan Masalah-Masalah Sulit Dunia · Ilmu komputer teoretis · arXiv · 2026-10-20
Menyelesaikan Masalah Invers melalui Prior Berbasis Difusi: Pendekatan Ensemble Sampling Tanpa Aproksimasi
Judul asli: Solving Inverse Problems via Diffusion-Based Priors: An Approximation-Free Ensemble Sampling Approach
Model difusi banyak digunakan untuk merepresentasikan prior yang kompleks dalam masalah invers Bayesian, tetapi metode posterior sampling yang ada bergantung pada aproksimasi heuristik terhadap proses generatif. Para penulis mengusulkan sebuah algoritma berbasis ensemble, yang dimotivasi oleh penggabungan model difusi dengan sequential Monte Carlo, yang melakukan posterior sampling tanpa aproksimasi heuristik. Mereka membuktikan bahwa kesalahan antara posterior yang sebenarnya dan distribusi empiris sampel yang dihasilkan dapat dibatasi oleh kesalahan pelatihan score function yang telah dilatih sebelumnya dan jumlah partikel, dan pada beberapa masalah invers pencitraan, metode ini memberikan rekonstruksi yang lebih akurat daripada metode berbasis model difusi yang ada.