Newest papers

Beyond Best-of-$k$: Prior-Consistent DAPS for Ambiguous Nonlinear Inverse Problems

Merve Kocabas, Benjamin A. Burns, Andreas Geiger, Kent Gauen, Sara Fridovich-Keil · 2026 · arXiv

DOI: 10.48550/arXiv.2610.31592 · open-access PDF

Vietnamese

Các mô hình phân tán đã trở thành những người tiên phong mạnh mẽ để giải quyết các vấn đề ngược lại. Tuy nhiên, các vấn đề đảo ngược phi tuyến tính như khôi phục giai đoạn vẫn là thách thức khi nhiều giải pháp phù hợp với đo lường chỉ có thể được phân biệt bởi các giải pháp trước đó; chúng tôi gọi các phép đo như vậy là mơ hồ. Các máy lấy mẫu dựa trên phân tán hiện có dựa trên các cách tiếp cận địa phương trong quá trình xây dựng lại. Đối với một phép đo lường mơ hồ, các cách tiếp cận này có thể cho phép hướng dẫn đo lường để ủng hộ một chế độ phù hợp với đo lường gần với chế độ được hỗ trợ trước đó nhưng bản thân nó không được hỗ trợ bởi các giải pháp trước đó.

Machine translation (Meta M2M100); the English original follows.

Abstract

Diffusion models have become strong priors for solving inverse problems. However, nonlinear inverse problems such as phase retrieval remain challenging when multiple measurement-consistent solutions are distinguishable only by the prior; we call such measurements ambiguous. Existing diffusion-based samplers rely on local approximations during reconstruction. For an ambiguous measurement, these approximations can allow measurement guidance to favor a measurement-consistent mode that is close to a prior-supported mode but is itself not supported by the prior. Evaluation often masks this type of

Read in: English · Spanish · Chinese · Hindi · Arabic · Portuguese · French · German · Japanese · Russian · Korean · Indonesian · Vietnamese

Sources: OpenAlex (CC0), arXiv, Crossref. Agent Exchange