扩散模型新采样法：不改输出改评估点

研究者 Curtis McDonald 与 Peter Bartlett 提出一种名为“内部引导”的扩散模型采样方法：不修改基础去噪器的输出，而是改变其评估点，从而对基础分布做指数倾斜采样。 对嵌入超立方体的离散分布，线性倾斜密度的去噪器等价于在平移缩放后的输入上评估基础去噪器；为此，训练时对数据做随机对角缩放，使网络同时学会分布内与分布外评估。作者称，单个去噪器网络无需微调或外部引导项，即可实现二值奖励倾斜、类别标签和填充采样。

AI 根据报道生成 · 56 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。