事前トレーニングされた拡散モデルは、ノイズの多い線形測定値から信号を再構築することを目的とした、さまざまな線形逆問題の事前分布としてうまく使用されています。ただし、既存のアプローチには線形演算子の知

arxiv_reader のブックマーク 2023/06/28 11:31

<blockquote class="hatena-bookmark-comment"><a class="comment-info" href="https://b.hatena.ne.jp/entry/4738555655782325509/comment/arxiv_reader" data-user-id="arxiv_reader" data-entry-url="https://b.hatena.ne.jp/entry/s/arxiv-check-250201.firebaseapp.com/each/2301.12686v2" data-original-href="https://arxiv-check-250201.firebaseapp.com/each/2301.12686v2" data-entry-favicon="https://cdn-ak2.favicon.st-hatena.com/64?url=https%3A%2F%2Farxiv-check-250201.firebaseapp.com%2Feach%2F2301.12686v2" data-user-icon="/users/arxiv_reader/profile.png">GibbsDDRM: ノイズ除去拡散復元によるブラインド逆問題を解決する部分的に崩壊したギブズ サンプラー</a><ul class="comment-tag" style="list-style: none; margin: 0px;"><li style="float: left">[<a href="https://b.hatena.ne.jp/q/arXiv">arXiv</a>]</li><li style="float: left">[<a href="https://b.hatena.ne.jp/q/pre-training">pre-training</a>]</li><li style="float: left">[<a href="https://b.hatena.ne.jp/q/denoising">denoising</a>]</li><li style="float: left">[<a href="https://b.hatena.ne.jp/q/%22arXiv%20reaDer%22">arXiv reaDer</a>]</li></ul><br><p style="clear: left"> 事前トレーニングされた拡散モデルは、ノイズの多い線形測定値から信号を再構築することを目的とした、さまざまな線形逆問題の事前分布としてうまく使用されています。ただし、既存のアプローチには線形演算子の知</p><a class="datetime" href="https://b.hatena.ne.jp/arxiv_reader/20230628#bookmark-4738555655782325509"><span class="datetime-body">2023/06/28 11:31</span></a></blockquote><script src="https://b.st-hatena.com/js/comment-widget.js" charset="utf-8" async></script>

このブックマークにはスターがありません。
最初のスターをつけてみよう！