Aug, 2023
通过随机定位改进扩散模型的线性收敛界限
Linear Convergence Bounds for Diffusion Models via Stochastic Localization
Joe Benton, Valentin De Bortoli, Arnaud Doucet, George Deligiannidis
TL;DR扩散模型对于从高维数据分布中生成近似样本是一个强大的方法。我们提供了第一个以数据维度为线性(在对数因子之内)的收敛界限,只需假设数据分布具有有限的二阶矩。我们证明扩散模型仅需要最多 Δ 步骤,就能以 Kullback-Leibler 差异度在 d 维实数空间上对于方差为 δ 的高斯噪声破坏的任意数据分布进行 ε² 内的近似。