A Survey on Diffusion Models for Inverse Problems

Giannis Daras ,
Hyungjin Chung ,
Chieh-Hsin Lai ,
Yuki Mitsufuji ,
Jong Chul Ye ,
Peyman Milanfar ,
Alexandros G. Dimakis ,
Mauricio Delbracio
288
热度
2024年09月30日
  • 简介
    扩散模型因其生成高质量样本的能力而越来越受欢迎,这为解决反问题开辟了令人兴奋的新可能性,特别是在图像恢复和重建方面,通过将扩散模型视为无监督先验来解决反问题。本文综述了利用预训练扩散模型解决反问题的方法,并提出了基于它们所解决的问题和所采用的技术的分类法。我们分析了不同方法之间的联系,提供了实际实现的见解,并强调了重要的考虑因素。我们进一步讨论了使用潜在扩散模型解决反问题所面临的具体挑战和潜在解决方案。本文旨在成为对扩散模型和反问题交叉领域感兴趣的人的有价值的资源。
  • 图表
  • 解决问题
    使用预训练扩散模型解决反问题的综述
  • 关键思路
    使用预训练扩散模型作为无监督先验来解决反问题,无需进一步训练
  • 其它亮点
    提出了基于问题和技术的分类法,分析了不同方法之间的联系,讨论了使用潜在扩散模型解决反问题所面临的挑战和潜在解决方案
  • 相关研究
    最近的相关研究包括:《深度学习反问题求解的进展》、《使用生成模型的反问题求解》、《使用深度学习进行图像恢复的综述》等
PDF
原文
点赞 收藏 评论 分享到Link

沙发等你来抢

去评论