- 2026년 4월 10일 오전 8:41
- 조회수: 168
INFORMATION
- 2026년 4월 10일
- 오전 9시 ~
온라인 비디오 시청 (YouTube)
송하영
TOPIC
On-Line Video
OVERVIEW
비약적인 생성형 모델의 발전은 이미지 생성뿐 아니라 다양한 복원 및 변환 문제로 확장되고 있다. 이와 관련하여 손상된 이미지를 복원하는 역문제(inverse problem)는 하나의 관측값에 대해 여러 가능한 해가 존재하는 문제이며, 사전지식(prior)과 관측값(observation)을 함께 활용하는 것이 중요하다. 최근에는 사전학습된 diffusion model을 prior로 활용하여 재학습 없이 역문제를 해결하려는 diffusion 기반 posterior sampling 방법들이 주목받고 있다. 그러나 이러한 방법들은 관측값을 만족시키는 동시에 자연스러운 이미지들이 존재하는 저차원 공간에 머무르도록 해야 하며, 각 timestep에서 이 두 조건을 어떻게 균형 있게 반영할 것인지가 중요한 과제로 남아있다. 본 세미나에서는 Diffusion Inverse Problem에 대한 기본 원리와 함께 DPS, MCG, DAPS와 같은 대표적인 방법론을 중심으로 그 핵심 아이디어와 한계를 소개한다.
참고자료
[1] Song, Y., Sohl-Dickstein, J., Kingma, D. P., Kumar, A., Ermon, S., & Poole, B. (2021) Score-Based Generative Modeling through Stochastic Differential Equations. In International Conference on Learning Representations.
[2] Chung, H., Sim, B., Ryu, D., & Ye, J. C. (2022). Improving diffusion models for inverse problems using manifold constraints. In A. H. Oh, A. Agarwal, D. Belgrave, & K. Cho (Eds.), Advances in Neural Information Processing Systems (NeurIPS).
[3] Wang, Y., Yu, J., & Zhang, J. (2023). Zero-shot image restoration using denoising diffusion null-space model. International Conference on Learning Representations (ICLR)
[4] Chung, H., Kim, J., McCann, M. T., Klasky, M. L., & Ye, J. C. (2023). Diffusion posterior sampling for general noisy inverse problems. International Conference on Learning Representations (ICLR)
[5] Zhang, B., Chu, W., Berner, J., Meng, C., Anandkumar, A., & Song, Y. (2025). Improving diffusion inverse problem solving with decoupled noise annealing. In Proceedings of the Computer Vision and Pattern Recognition Conference (pp. 20895-20905).
청취자 후기
김혜준
이번 세미나에서는 diffusion inverse problem의 기본 개념부터 DPS, MCG, DAPS 같은 대표 기법들까지 흐름 있게 설명해줘서 전체 분야를 이해하는 데 큰 도움이 되었다. 특히 inverse problem이 관측값만으로는 정답이 하나로 정해지지 않는 ill-posed problem이기 때문에, 관측 정보를 만족시키는 것과 자연스러운 이미지 prior를 함께 반영하는 것이 중요하다는 점이 인상적이었고, 이를 각 timestep에서 어떻게 균형 있게 조절하느냐에 따라 방법론이 달라진다는 점도 매우 흥미로웠다. 개인적으로는 diffusion model이 단순한 이미지 생성기를 넘어 posterior sampling을 수행하는 추론 도구처럼 활용된다는 관점이 특히 인상 깊었으며, 앞으로는 이런 방법들이 실제 복원 성능과 계산 효율 사이의 trade-off를 어떻게 개선해나갈지도 더 궁금하다는 생각이 들었다. 전체적으로 diffusion 기반 복원 방법들의 발전 방향과 남아 있는 과제를 함께 생각해볼 수 있었던 유익한 세미나였다.