Диффузионные модели, восстановление изображений через обратные линейные задачи

Презентация: https://github.com/bayesgroup/bayesgroup.github.io/blob/master/bmml_sem/2022/Badmaev_DDRM_DDPM_NCSN.pdf Докладчик: Тингир Бадмаев, МГУ им М.В. Ломоносова Многие задачи по восстановлению изображений можно представить как линейные обратные задачи. Недавнее семейство подходов к решению этих проблем использует стохастические алгоритмы, которые семплируют из апостериорного распределения. Однако хорошие решения часто требуют обучения с учителем, ориентированного на конкретную задачу, для моделирования апостериорного распределения, в то время как unsupervised методы обычно полагаются на неэффективные итерационные методы. Мы разберем работу Denoising Diffusion Restoration Models, основанную на вариационном выводе и диффузионных моделях. Мы убедимся в универсальности DDRM для любой обратной линейной задачи, разберем эффективное построение линейных операторов для задачи повышения разрешения, колоризации, маскирования.