Buchumschlag

Disentangled Deep Priors for Bayesian Inverse Problems

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Ganguli, Arkaprabha, Constantinescu, Emil
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Computation
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Enhancing Interpretability in Generative Modeling: Statistically Disentangled Latent Spaces Guided by Generative Factors in Scientific Datasets
von: Ganguli, Arkaprabha, et al.
Veröffentlicht: (2025)

Uncovering Physical Drivers of Dark Matter Halo Structures with Auxiliary-Variable-Guided Generative Models
von: Ganguli, Arkaprabha, et al.
Veröffentlicht: (2026)

A Computational Framework and Implementation of Implicit Priors in Bayesian Inverse Problems
von: Everink, Jasper M., et al.
Veröffentlicht: (2025)

Error‐controlled feature selection for ultrahigh‐dimensional and highly correlated feature space using deep learning
von: Arkaprabha Ganguli, et al.
Veröffentlicht: (2024)

Inhomogeneous Priors for Bayesian Inverse Problems
von: Afkham, Babak Maboudi, et al.
Veröffentlicht: (2026)

Efficient Bayesian Computation Using Plug-and-Play Priors for Poisson Inverse Problems
von: Klatzer, Teresa, et al.
Veröffentlicht: (2025)

Revealing the Ancient Beauty: Digital Reconstruction of Temple Tiles using Computer Vision
von: Basu, Arkaprabha
Veröffentlicht: (2025)

Spatiotemporal Besov Priors for Bayesian Inverse Problems
von: Lan, Shiwei, et al.
Veröffentlicht: (2023)

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

Propagating Surrogate Uncertainty in Bayesian Inverse Problems
von: Roberts, Andrew Gerard, et al.
Veröffentlicht: (2026)

Error Analysis of Bayesian Inverse Problems with Generative Priors
von: Hosseini, Bamdad, et al.
Veröffentlicht: (2026)

TIDE: Two-Stage Inverse Degradation Estimation with Guided Prior Disentanglement for Underwater Image Restoration
von: Venkatraman, Shravan, et al.
Veröffentlicht: (2025)

Learning Differentiable Weak-Form Corrections to Accelerate Finite Element Simulations
von: Jung, Junoh, et al.
Veröffentlicht: (2026)

Solving a Nonlinear Blind Inverse Problem for Tagged MRI with Physics and Deep Generative Priors
von: Bian, Zhangxing, et al.
Veröffentlicht: (2026)

Elliptic Bayesian Inverse Problems on Metric Graphs
von: Bolin, David, et al.
Veröffentlicht: (2025)

What's in a Prior? Learned Proximal Networks for Inverse Problems
von: Fang, Zhenghan, et al.
Veröffentlicht: (2023)

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

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

Bayesian Conditioned Diffusion Models for Inverse Problems
von: Güngör, Alper, et al.
Veröffentlicht: (2024)

Diffusion Prior-Based Amortized Variational Inference for Noisy Inverse Problems
von: Lee, Sojin, et al.
Veröffentlicht: (2024)

Towards Distribution-Shift Uncertainty Estimation for Inverse Problems with Generative Priors
von: Kim, Namhoon, et al.
Veröffentlicht: (2025)

Stochastic Deep Restoration Priors for Imaging Inverse Problems
von: Hu, Yuyang, et al.
Veröffentlicht: (2024)

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)

Deep Gaussian Process Priors for Bayesian Image Reconstruction
von: Latz, Jonas, et al.
Veröffentlicht: (2024)

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

FiRe: Fixed-points of Restoration Priors for Solving Inverse Problems
von: Terris, Matthieu, et al.
Veröffentlicht: (2024)

Differentiable DG with Neural Operator Source Term Correction
von: Kang, Shinhoo, et al.
Veröffentlicht: (2023)

Constitutive Priors for Inverse Design
von: Han, Jinkyo, et al.
Veröffentlicht: (2026)

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

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

Bayesian Unsupervised Disentanglement of Anatomy and Geometry for Deep Groupwise Image Registration
von: Luo, Xinzhe, et al.
Veröffentlicht: (2024)

Detecting Model Misspecification in Bayesian Inverse Problems via Variational Gradient Descent
von: Liu, Qingyang, et al.
Veröffentlicht: (2025)

Latent-IMH: Efficient Bayesian Inference for Inverse Problems with Approximate Operators
von: Chen, Youguang, et al.
Veröffentlicht: (2026)

Learning Image Priors through Patch-based Diffusion Models for Solving Inverse Problems
von: Hu, Jason, et al.
Veröffentlicht: (2024)

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

STeP: A Framework for Solving Scientific Video Inverse Problems with Spatiotemporal Diffusion Priors
von: Zhang, Bingliang, et al.
Veröffentlicht: (2025)

InstantViR: Real-Time Video Inverse Problem Solver with Distilled Diffusion Prior
von: Bai, Weimin, et al.
Veröffentlicht: (2025)

Byzantine Game Theory: Sun Tzus Boxes
von: Constantinescu, Andrei, et al.
Veröffentlicht: (2025)

Uncertainty Quantification for Linear Inverse Problems with Besov Prior: A Randomize-Then-Optimize Method
von: Horst, Andreas, et al.
Veröffentlicht: (2025)