详细内容或原文请订阅后点击阅览
变分的整流流匹配
我们研究变异的整流流匹配，该框架通过建模多模式速度矢量场来增强经典的整流流匹配。在推理时，经典的整流流匹配“移动”样品通过沿速度向量场的集成求解普通的微分方程，从源分布到目标分布。在训练时，通过线性插值从源来绘制的耦合样品和一个随机从目标分布中绘制的耦合样品，从而学习了速度矢量场。这导致“地面真相”'速度…
来源:Apple机器学习研究我们研究变异的整流流匹配，该框架通过建模多模式速度矢量场来增强经典的整流流匹配。在推理时，经典的整流流匹配“移动”样品通过沿速度向量场的集成求解普通的微分方程，从源分布到目标分布。在训练时，通过线性插值从源来绘制的耦合样品和一个随机从目标分布中绘制的耦合样品，从而学习了速度矢量场。这导致“地面真相”'速度矢量场在同一位置的不同方向上指向，即速度矢量场是多模式/模棱两可的。但是，由于训练使用了标准的于点误差损失，因此学习的速度矢量场平均值“地面真相”方向，而不是多模式。相比之下，从多模式流方向的变异整流流匹配学习和样品。我们在合成数据，MNIST，CIFAR-10和ImageNet上显示，变异整流的流量匹配导致了令人信服的结果。