共軛梯度

深度分析

顯式噪聲估計與 Huber 加權：提升擴散模型在逆問題的魯棒性

研究聚焦以擴散模型處理具離群值的逆問題，論文先以顯式噪聲估計淨化觀測，再以基於Huber損失的逐步重權最小二乘建構魯棒目標，並提出基於梯度下降與共軛梯度的兩種近似求解策略；實驗在多組影像復原任務下顯示出較既有擴散方法更強的抗離群能力。且對噪聲與污染比例具較好適應性。