Meta-Diff：少样本扩散的任务空间迁移

Jinjian Jiang 等作者提出 Meta-Diff，把源域与目标域分布嵌入共享低维任务空间，学习配对训练任务间的仿射迁移映射，再用共享扩散骨干从迁移后的源坐标生成。作者称部署时只需源样本和已学关系标识，不需要目标图像或目标端优化。 在 CIFAR-100 留出验证任务上，作者报告正确源迁移的平均切片 Wasserstein 距离比错误源迁移低 13.9%；在单目标最终测试中，按验证集选定设置，比仅目标适配低 14.7%，比全量微调低 32.7%。 作者也指出，Office-Home 上出现域对齐但对象身份不可靠，临床压力测试中未显示明确的源特异性优势。

AI 根据报道生成 · 13 小时前更新