扩散模型零样本逆问题中的阶段式畸变感知遍历

失真-感知（D-P）权衡是贝叶斯逆问题的基本现象，它表征了失真性能和感知质量之间的内在张力。在推理时实现 D-P 权衡的灵活遍历对于实际应用至关重要。尽管最近扩散模型在零样本逆问题求解中取得了成功，但基于扩散的逆算法中有效且有原则的 D-P 遍历策略仍然没有得到充分的表征。在本文中，我们提出了一个阶段式框架，用于在零样本逆问题中使用单扩散模型实现 D-P 遍历。我们提出的方法称为 MAP-RPS，从近似 MMSE 解并提供低失真初始化的 MAP 估计阶段开始，然后是逐步提高感知质量的重新噪声后采样阶段。我们为这两个阶段提供了理论分析，确定了所提出设计的有效性和有效性。此外，我们将 MAP-RPS 扩展到潜在空间，产生 LMAP-RPS，它通过利用大规模预训练的潜在扩散主干，具有更广泛的适用性。大量实验表明，MAP-RPS 和 LMAP-RPS 能够在各种任务上实现更有效的 D-P 遍历，同时还表现出作为现实世界逆问题的高效求解器的强大性能。