AI اور دنیا کے مشکل مسائل · نظریاتی کمپیوٹر سائنس · arXiv · 2026-10-20

ڈفیوژن پر مبنی پرایرز کے ذریعے اِنورس مسائل کا حل: اپروکسیمیشن سے پاک اینسیمبل سیمپلنگ کا طریقہ

اصل عنوان: Solving Inverse Problems via Diffusion-Based Priors: An Approximation-Free Ensemble Sampling Approach

ڈفیوژن ماڈلز بےزیئن اِنورس مسائل میں پیچیدہ پریئرز کی نمائندگی کے لیے وسیع پیمانے پر استعمال ہوتے ہیں، لیکن موجودہ پوسٹیریر سیمپلنگ کے طریقے جینریٹو عمل کی ہیورسٹک تقریبات پر انحصار کرتے ہیں۔ مصنفین ایک اینسیمبل پر مبنی الگورتھم تجویز کرتے ہیں، جو ڈفیوژن ماڈلز کو سیکوینشل مونٹی کارلو کے ساتھ ملانے سے متاثر ہے اور بغیر ہیورسٹک تقریبات کے پوسٹیریر سیمپلنگ کرتا ہے۔ وہ ثابت کرتے ہیں کہ حقیقی پوسٹیریر اور تیار شدہ سیمپلز کی تجرباتی تقسیم کے درمیان فرق کو پری ٹرینڈ اسکور فنکشن کی ٹریننگ کی غلطی اور پارٹیکلز کی تعداد تک محدود کیا جا سکتا ہے، اور کئی امیجنگ اِنورس مسائل پر یہ طریقہ موجودہ ڈفیوژن ماڈل پر مبنی طریقوں کے مقابلے میں زیادہ درست تعمیر نو فراہم کرتا ہے۔

اصل تحریر پڑھیں ↗

تمام آئٹمز →