JHU 于太阳讲扩散模型先验：两种无需近似的新采样算法
prof_kamilov · x · 2026-10-22
Johns Hopkins 助理教授 Yu Sun 在 IEEE SPS 网络研讨会（10 月 22 日）做报告，主题是「用生成扩散先验做可证明的概率成像」。
核心内容：
- 逆问题通常是病态的：同一组测量可能对应多幅图像，求解不仅要恢复高质量图像，还需刻画重建中的固有歧义性。
- 现有基于扩散模型的成像方法多依赖对生成过程的近似，可能导致解偏离真实贝叶斯后验。
- 报告提出两种无需此类近似的扩散采样算法，可视为经典 plug-and-play priors（PnP）的互补采样扩展：一种基于梯度下降，另一种基于变量分裂（variable splitting）。
- 算法具备分布收敛性理论保证，并在黑洞成像等高病态逆问题上展示了刻画多个合理解与不确定性量化的能力。
「研究」频道最新
- UniReps 工作坊落地巴黎 ELLIS UnConference,NeurIPS 前一天举行 — ClementineDomi6 · 2026-10-22
- 斯坦福开放机器人自主性教材 PoRA，视频课程配套免费公开 — drmapavone · 2026-10-22
- 腾讯 ARC 视频生成新法：省 57.9% 算力，物理合理性提升 11.2% — _akhaliq · 2026-10-22
- Ben Recht 课堂长文：所有民调都是模型，统计预测正侵入抽样 — beenwrekt · 2026-10-22
- ForTy 基于 AlphaEarth 分析 170 万站点卫星影像，服务零毁林供应链 — GoogleDeepMind · 2026-10-22
- DeepMind 发布 ForTy：10 米分辨率绘制全球森林类型地图 — GoogleDeepMind · 2026-10-22