ترجمه فارسی مقاله پخش پس‌افکنی: حل مسئله پراکندگی معکوس پهن‌باند با مدل‌های پخش

چکیده

We present Wideband back-projection diffusion, an end-to-end probabilistic framework for approximating the posterior distribution induced by the inverse scattering map from wideband scattering data. This framework leverages conditional diffusion models coupled with the underlying physics of wave-propagation and symmetries in the problem, to produce highly accurate reconstructions. The framework introduces a factorization of the score function into a physics-based latent representation inspired by the filtered back-propagation formula and a conditional score function conditioned on this latent representation. These two steps are also constrained to obey symmetries in the formulation while being amenable to compression by imposing the rank structure found in the filtered back-projection formula. As a result, empirically, our framework is able to provide sharp reconstructions effortlessly, even recovering sub-Nyquist features in the multiple-scattering regime. It has low-sample and computational complexity, its number of parameters scales sub-linearly with the target resolution, and it has stable training dynamics.

چکیده به فارسی (ترجمه ماشینی)

ما انتشار پشتی پهنای باند را ارائه می دهیم ، یک چارچوب احتمالی نهایی به انتهایی برای تقریب توزیع خلفی ناشی از نقشه پراکندگی معکوس از داده های پراکندگی پهنای باند.این چارچوب از مدلهای انتشار مشروط همراه با فیزیک اساسی تولید موج و تقارن در این مشکل استفاده می کند تا بازسازی های بسیار دقیقی را تولید کند.این چارچوب فاکتورسازی عملکرد نمره را به یک نمایش نهفته مبتنی بر فیزیک با الهام از فرمول تولید برگشتی فیلتر شده و یک عملکرد نمره مشروط بر این نمایندگی نهفته معرفی می کند.این دو مرحله همچنین برای پیروی از تقارن در فرمولاسیون محدود می شود در حالی که با تحمیل ساختار رتبه موجود در فرمول طرح ریزی برگشت به فیلتر ، در معرض فشرده سازی قرار می گیرد.در نتیجه ، از نظر تجربی ، چارچوب ما قادر به بازسازی های تیز و بدون دردسر است ، حتی ویژگی های فرعی نانویستی را در رژیم چند پراکندگی بازیابی می کند.این پیچیدگی از نمونه کم و محاسباتی ، تعداد پارامترهای آن به صورت خطی با وضوح هدف مقیاس می شود و پویایی آموزش پایدار دارد.