AI与世界难题 · 理论计算机科学 · arXiv · 2026-10-20
基于扩散先验求解逆问题：一种无需近似的集成采样方法
原标题: Solving Inverse Problems via Diffusion-Based Priors: An Approximation-Free Ensemble Sampling Approach
扩散模型被广泛用于表示贝叶斯逆问题中的复杂先验，但现有的后验采样方法依赖于对生成过程的启发式近似。作者受扩散模型与序贯蒙特卡洛相结合的启发，提出了一种基于集成的算法，可在无启发式近似的情况下进行后验采样。他们证明，真实后验与生成样本经验分布之间的误差可以由预训练得分函数的训练误差和粒子数量来界定；在若干成像逆问题上，该方法比现有基于扩散模型的方法给出更精确的重建。