DELTA：弱标注下稳健训练扩散模型

Dong-Dong Wu 等作者提出统一框架 DELTA，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。该方法把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、推断真实标签后验。 DELTA 还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。作者称，在合成与真实基准上，该方法生成的样本高保真且类别一致，所需先验知识严格少于专用基线。

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。