ترجمه فارسی مقاله نمونه‌گیری مشروط در مدل‌های انتشار مولد

چکیده

Generative diffusions are a powerful class of Monte Carlo samplers that leverage bridging Markov processes to approximate complex, high-dimensional distributions, such as those found in image processing and language models. Despite their success in these domains, an important open challenge remains: extending these techniques to sample from conditional distributions, as required in, for example, Bayesian inverse problems. In this paper, we present a comprehensive review of existing computational approaches to conditional sampling within generative diffusion models. Specifically, we highlight key methodologies that either utilise the joint distribution, or rely on (pre-trained) marginal distributions with explicit likelihoods, to construct conditional generative samplers.

چکیده به فارسی (ترجمه ماشینی)

انتشار مولد یک کلاس قدرتمند از نمونه برداران مونت کارلو است که از فرآیندهای پل مارکوف برای تقریبی توزیع های پیچیده و با ابعاد بالا ، مانند موارد موجود در مدل های پردازش تصویر و زبان استفاده می کنند.علیرغم موفقیت آنها در این حوزه ها ، یک چالش مهم باز باقی مانده است: گسترش این تکنیک ها به نمونه از توزیع مشروط ، همانطور که در مورد مشکلات معکوس بیزی مورد نیاز است.در این مقاله ، ما یک بررسی جامع از رویکردهای محاسباتی موجود برای نمونه گیری مشروط در مدلهای انتشار تولیدی ارائه می دهیم.به طور خاص ، ما روشهای کلیدی را که یا از توزیع مشترک استفاده می کنند ، برجسته می کنیم ، یا به توزیع های حاشیه ای (از قبل آموزش داده شده) با احتمال صریح ، برای ساختن نمونه های تولیدی مشروط متکی هستیم.