机构名称：
¥ 2.0
摘要。扩散概率模型（DPM）已成为生成建模的一种有前途的技术。DPM的成功取决于两种成分：扩散过程的时间逆转和分数匹配。大多数现有的作品隐含地假设分数匹配接近完美，而此假设值得怀疑。鉴于可能无法保证的得分匹配，我们提出了一个新标准 - DPM设计中向后抽样的收缩，从而导致了一种新型的承包DPMS（CDPMS）。关键见解是向后过程中的收缩可以缩小分数匹配错误和离散错误。因此，我们提出的CDPM对两个误差源都是可靠的。为了实际使用，我们表明CDPM可以通过简单的转换来利用经过验证的DPM，并且不需要重新训练。我们通过对合成1-DIM示例，瑞士卷，MNIST，CIFAR-10 32×32和AFHQ 64×64数据集的实验来证实我们的方法。值得注意的是，CDPM在所有已知的基于SDE的DPM中显示出最佳性能。
索菲的星球和终止
主要关键词
相关文件推荐
