AI画像復元の精度が飛躍、業務コスト削減へ

英オックスフォード大学やジョージア工科大学などの研究グループは、線形逆問題を解くための新たなAI手法「Exact Posterior Score（EPS）」を開発したと発表した。画像のノイズ除去や超解像、欠損補完といった処理において、従来比で約10分の1の計算コストで高精度な復元を実現するとしている。

拡散モデルと呼ばれる生成AIの一種は、データの統計的な構造を学習する強力な手段として注目されてきた。しかし劣化した観測データから元の画像を復元する「逆問題」に適用する際、モデルが保持するスコアは無条件の確率分布に基づくものであり、観測条件を加味した事後分布のスコアとは一致しない。この乖離を補正する既存手法は、近似的な修正項を付加するものか、事前学習済みモデルの構造を捨てて条件付きモデルを一から再構築するかのいずれかであり、精度と計算効率の両立が課題とされてきた。

EPSは、線形ガウス型逆問題における事後スコアを閉形式で厳密に導出することで、この課題を根本から解決する。具体的には、事後分布からのサンプリングが「演算子依存のシフトされたピボット」における異方性ノイズ共分散下のノイズ除去問題に帰着することを理論的に示した。これにより、既存の拡散モデルと同じ入出力構造を維持したまま、事後スコアを直接学習する訓練目標を設定できる。推論時には勾配計算や射影演算を必要とせず、通常のサンプラーをそのまま利用可能である。FFHQおよびImageNetデータセット上の5種類の逆問題において、忠実度・知覚品質・分布一致性のいずれの指標でも既存手法を上回ることが確認されている。

ビジネス上の影響が最も大きい分野として、まず医療機器・医療情報システム部門が挙げられる。MRIやCTの画像再構成は典型的な線形逆問題であり、EPSを組み込むことで撮影時間の短縮や被曝線量の低減と高画質維持の両立が期待できる。放射線科での読影精度を示すKPIや、装置1台あたりのスループット向上に直接貢献しうる。次いで半導体・精密機器の製造現場では、外観検査装置が取得する低解像度または部分遮蔽画像の高精度復元により、不良品検出率（False Negative率）の改善が見込まれる。品質管理部門における検査コストの削減効果も試算可能な水準に達する可能性がある。

衛星・航空リモートセンシング分野においても、大気散乱や雲による劣化を受けた画像の復元処理に応用できる。農業・資源管理向けSaaSを提供する企業では、データ処理パイプラインの計算コストを大幅に圧縮できるため、クラウドインフラ費用の削減というKPIに直結する。計算コストが従来比10分の1程度に抑えられるという点は、GPUリソースの調達計画にも影響を与えるものであり、IT部門の予算策定においても無視できない要素となる。

一方、EPSが対象とするのは現時点で線形逆問題に限定されており、非線形の劣化モデル（例えばレンズ収差や散乱媒質を介した画像取得など）への拡張は今後の研究課題として残る。また、事前学習済みモデルへのファインチューニングが可能とはいえ、適切な学習データの整備とドメイン固有の演算子設計には専門知識が必要であり、導入障壁が皆無というわけではない。

今後は医療機器メーカーや検査装置ベンダーが本手法のライセンス取得や共同研究を通じて製品化を検討する動きが加速するとみられる。生成AIの実用化において「精度」と「推論コスト」のトレードオフは長年の懸案であったが、EPSはその解消に向けた理論的根拠を提供した点で、産業応用における技術的な転換点となる可能性を持つ。