去噪分数匹配损失可直接估计局部内在维度

Eric Yeats 等作者提出，局部内在维度（LID）是去噪分数匹配损失的下界，因此可直接把该损失当作 LID 估计器，省去多次前向传播和梯度计算。作者称，等价的隐式分数匹配损失也能通过 normal dimension 近似 LID，并与近期估计器 FLIPD 密切相关。 在流形基准和 Stable Diffusion 3.5 上的实验显示，随着问题规模和量化程度提升，该方法仍保持更高精度和更低内存占用。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。