基于轨迹拼接的流模型逆问题求解
Trajectory Stitching for Solving Inverse Problems with Flow-Based Models
精选理由
提出分段轨迹优化流模型，降低逆问题求解内存开销并提升重建质量。
AI 摘要
arXiv:2602.08538v2 公告类型：替换-交叉 摘要：基于流的生成模型已成为求解逆问题的强大先验。一种方法是直接优化初始潜在编码（噪声），使流模型的输出能够解决逆问题。然而，这需要对整个生成轨迹进行反向传播，从而带来高昂的内存开销和数值不稳定性。我们提出了 MS-Flow，将轨迹表示为一系列中间潜在状态，而不是单个初始编码。通过在局部约束流动力学，并利用轨迹匹配惩罚项耦合各个片段，MS-Flow 在更新中间潜在状态与确保其和观测数据的一致性之间交替进行。这在降低内存消耗的同时提高了重建质量。我们在图像恢复和多种逆问题（包括图像修复、超分辨率和计算机断层扫描）上进行了实验，结果表明 MS-Flow 的效果优于现有方法。