扩散模型先验无近似后验采样算法提出

研究者提出一种基于集成的后验采样算法，用扩散模型生成的先验求解贝叶斯逆问题，且不对生成过程做启发式近似。该方法推导出描述后验分布演化的修正 PDE，并用随机加权粒子方法模拟；理论上证明真实后验与样本经验分布的误差可由预训练 score 函数的训练误差和粒子数界定。 在多个成像逆问题实验中，该方法的图像重建精度优于现有基于扩散模型的方法。代码已开源，论文被 TMLR 2026 接收。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。