XiaoMi-AI文件搜索系统
World File Search SystemChewi
降级扩散模型的替代视图
- （慢）收敛（例如，参见Bakry等，2008） - 快速的对数圆形分布的快速（例如，F convex）（Dalalyan，2017年，Durmus和Moulines，2017年，2017年，Chewi，Chewi，2022等）
通过最佳运输和追求
是由流行的深度学习算法引起的计算困难，用于生成时间密度的生成建模，我们提出了一种廉价的替代方案，需要最小的超参数调整，并对高维问题有利地缩放。特别是我们使用基于投影的最佳传输求解器[Meng等人，《神经信息处理系统的进步》（Curran Associates，2019年），第1卷。32]加入连续的样品，然后使用运输花样（Chewi等，2020）来插入不断发展的密度。当采样频率足够高时，最佳图与身份相近，因此在计算上有效地计算。此外，由于所有最佳图都是独立的，因此可以同时学习训练过程，因为训练过程是高度平行的。最后，该方法仅基于数值线性代数，而不是最大程度地减少非convex目标函数，从而使我们可以轻松地分析和控制算法。我们在合成和现实世界数据集上介绍了几个数值实验，以证明我们方法的效率。尤其是这些实验表明，与在各个维度范围内按时间调节的最新标准化流相比，所提出的方法具有很高的竞争力。