Buchumschlag

What's in a Prior? Learned Proximal Networks for Inverse Problems

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Fang, Zhenghan, Buchanan, Sam, Sulam, Jeremias
Format:	Preprint
Veröffentlicht:	2023
Schlagworte:	Computer Vision and Pattern Recognition Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Learning Affine-Equivariant Proximal Operators
von: Savir, Oriel, et al.
Veröffentlicht: (2026)

ProxT2I: Efficient Reward-Guided Text-to-Image Generation via Proximal Diffusion
von: Fang, Zhenghan, et al.
Veröffentlicht: (2025)

Beyond Scores: Proximal Diffusion Models
von: Fang, Zhenghan, et al.
Veröffentlicht: (2025)

Conformal Risk Control for Semantic Uncertainty Quantification in Computed Tomography
von: Teneggi, Jacopo, et al.
Veröffentlicht: (2025)

Disentangling Safe and Unsafe Corruptions via Anisotropy and Locality
von: Muthukumar, Ramchandran, et al.
Veröffentlicht: (2025)

Flow Priors for Linear Inverse Problems via Iterative Corrupted Trajectory Matching
von: Zhang, Yasi, et al.
Veröffentlicht: (2024)

Weak Diffusion Priors Can Still Achieve Strong Inverse-Problem Performance
von: Jia, Jing, et al.
Veröffentlicht: (2026)

Deep Diffusion Image Prior for Efficient OOD Adaptation in 3D Inverse Problems
von: Chung, Hyungjin, et al.
Veröffentlicht: (2024)

FlowLPS: Langevin-Proximal Sampling for Flow-based Inverse Problem Solvers
von: Park, Jonghyun, et al.
Veröffentlicht: (2025)

An Over Complete Deep Learning Method for Inverse Problems
von: Eliasof, Moshe, et al.
Veröffentlicht: (2024)

Solving Linear Inverse Problems Using the Prior Implicit in a Denoiser
von: Kadkhodaie, Zahra, et al.
Veröffentlicht: (2020)

PRISM: Probabilistic and Robust Inverse Solver with Measurement-Conditioned Diffusion Prior for Blind Inverse Problems
von: Hu, Yuanyun, et al.
Veröffentlicht: (2025)

Variational Garrote for Sparse Inverse Problems
von: Lee, Kanghun, et al.
Veröffentlicht: (2026)

Consistency Regularised Gradient Flows for Inverse Problems
von: Spagnoletti, Alessio, et al.
Veröffentlicht: (2026)

OTLRM: Orthogonal Learning-based Low-Rank Metric for Multi-Dimensional Inverse Problems
von: Wang, Xiangming, et al.
Veröffentlicht: (2024)

Robust Network Learning via Inverse Scale Variational Sparsification
von: Zhou, Zhiling, et al.
Veröffentlicht: (2024)

Flower: A Flow-Matching Solver for Inverse Problems
von: Pourya, Mehrsa, et al.
Veröffentlicht: (2025)

Fast Samplers for Inverse Problems in Iterative Refinement Models
von: Pandey, Kushagra, et al.
Veröffentlicht: (2024)

Measurement Geometry and Design for Trustworthy Generative Inverse Problems
von: Jin, Pengfei, et al.
Veröffentlicht: (2026)

Repulsive Latent Score Distillation for Solving Inverse Problems
von: Zilberstein, Nicolas, et al.
Veröffentlicht: (2024)

Saving Foundation Flow-Matching Priors for Inverse Problems
von: Wan, Yuxiang, et al.
Veröffentlicht: (2025)

FAST-DIPS: Adjoint-Free Analytic Steps and Hard-Constrained Likelihood Correction for Diffusion-Prior Inverse Problems
von: Kim, Minwoo, et al.
Veröffentlicht: (2026)

P-Flow: Proxy-gradient Flows for Linear Inverse Problems
von: Jiang, Zehua, et al.
Veröffentlicht: (2026)

On Hallucinations in Inverse Problems: Fundamental Limits and Provable Assessment Methods
von: Iagaru, David, et al.
Veröffentlicht: (2026)

Inverse Problems with Diffusion Models: A MAP Estimation Perspective
von: Gutha, Sai Bharath Chandra, et al.
Veröffentlicht: (2024)

Investigating the Feasibility of Patch-based Inference for Generalized Diffusion Priors in Inverse Problems for Medical Images
von: Roy, Saikat, et al.
Veröffentlicht: (2025)

FMPlug: Plug-In Foundation Flow-Matching Priors for Inverse Problems
von: Wan, Yuxiang, et al.
Veröffentlicht: (2025)

Solving Inverse Problems by Joint Posterior Maximization with Autoencoding Prior
von: González, Mario, et al.
Veröffentlicht: (2021)

Differentiable Gaussianization Layers for Inverse Problems Regularized by Deep Generative Models
von: Li, Dongzhuo
Veröffentlicht: (2021)

Improving Diffusion Models for Inverse Problems Using Optimal Posterior Covariance
von: Peng, Xinyu, et al.
Veröffentlicht: (2024)

DMPlug: A Plug-in Method for Solving Inverse Problems with Diffusion Models
von: Wang, Hengkang, et al.
Veröffentlicht: (2024)

Neural Prior Estimation: Learning Class Priors from Latent Representations
von: Yavari, Masoud, et al.
Veröffentlicht: (2026)

Canonical Factors for Hybrid Neural Fields
von: Yi, Brent, et al.
Veröffentlicht: (2023)

Diffusion Models for Solving Inverse Problems via Posterior Sampling with Piecewise Guidance
von: Mohseni-Sehdeh, Saeed, et al.
Veröffentlicht: (2025)

Improving Decoupled Posterior Sampling for Inverse Problems using Data Consistency Constraint
von: Qi, Zhi, et al.
Veröffentlicht: (2024)

Measurement-Consistent Langevin Corrector for Stabilizing Latent Diffusion Inverse Problem Solvers
von: Hyoseok, Lee, et al.
Veröffentlicht: (2026)

PDEInvBench: A Comprehensive Dataset and Design Space Exploration of Neural Networks for PDE Inverse Problems
von: Goel, Divyam, et al.
Veröffentlicht: (2026)

Power-Enhanced Residual Network for Function Approximation and Physics-Informed Inverse Problems
von: Noorizadegan, Amir, et al.
Veröffentlicht: (2023)

SAIP: A Plug-and-Play Scale-adaptive Module in Diffusion-based Inverse Problems
von: Wang, Lingyu, et al.
Veröffentlicht: (2025)

InverseCrafter: Efficient Video ReCapture as a Latent Domain Inverse Problem
von: Hong, Yeobin, et al.
Veröffentlicht: (2025)