CPF-DDNM：连续后验融合改进扩散逆问题求解

研究者 Morotti、Evangelista 与 Loli Piccolomini 提出 CPF-DDNM，一种推理时策略，通过融合连续的后验测量感知估计，改进扩散模型对不可观测图像结构的恢复。该方法无需重新训练，也不需要额外的去噪器评估。 CPF-DDNM 在 DDNM 的 range/null-space 分解下实现，论文给出几何解释与局部误差分析，并刻画了最优时变融合系数。 在稀疏视角、模拟低剂量 CT 及医学图像超分辨率实验中，CPF-DDNM 相较 DDNM 取得一致提升。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。