DELTA：用弱标注稳健训练标签条件扩散模型

DELTA 提出统一框架，可在噪声标签、模糊标签和部分缺失三类弱标注下稳健训练标签条件扩散模型，将未知真实标签视为隐变量并优化变分目标，同时恢复干净数据分布与推断真实标签后验。该方法引入以中位数为中心的时间步采样策略，把估计集中在扩散过程信息量最大的阶段，在合成与真实基准上生成高保真、类别一致的样本，且所需先验知识严格少于专用基线。