Backward Diffusion iterates Noising-Relaxed Denoising
Résumé
The goal of this paper is to offer a synthetic view of connections between the celebrated diffusion models and classical additive Gaussian denoising. It allows to formulate standard diffusion schemes as a simple iterative noising-relaxed denoising process. By bringing new understanding on the noise schedules, this allows to accelerate the model sampling, and also to use diffusion schemes with off-the-shelf denoisers. Finally, we question the use of diffusion-based denoisers to regularize inverse problems in a plug-and-play fashion, and highlight potential stability problems induced by such very deep regularizations.
L'objectif de cette communication est d'offrir une perspective synthétique sur les liens entre les modèles de génération d'images par diffusion et le problème classique de débruitage additif gaussien. Nous montrons comment formuler les schémas de diffusion comme un algorithme alternant des étapes de bruitage et débruitage relaxé. Ceci permet de mieux comprendre les schémas de bruit utilisés, d'accélérer l'échantillonnage du modèle, et aussi d'utiliser ces schémas avec d'autres débruiteurs existants. Enfin, nous questionnons l'utilisation des débruiteurs par diffusion pour régulariser des problèmes inverses dans un cadre plug-and-play, et nous exhibons de potentiels problèmes de stabilité que ces régularisations très profondes induisent.
Domaines
| Origine | Fichiers produits par l'(les) auteur(s) |
|---|---|
| Licence |