score-based diffusion models | BriefGPT

关键词score-based diffusion models

搜索结果 - 31

通过倾斜传输的后验采样与去噪神谕
通过学习数据集中的去噪神经网络，基于分数的扩散模型在各个领域中显著推进了高维数据生成，并从贝叶斯角度提供了逼真的数据先验建模以及通过后验采样解决逆问题的能力。但是，虽然许多启发式方法已被开发用于这一目的，但它们缺乏许多科学应用所需的定量保证
PDF6 days ago
SigDiffusions: 基于得分的扩散模型用于长期时间序列数据通过 Log-Signature 嵌入
SigDiffusion 是一种新颖的扩散模型，通过在数据的对数签名嵌入上逐步扰动和去噪，以保留其代数结构，从而生成高度逼真的时间序列。与现有基于谱或正交多项式基础上的逆变换公式相结合，SigDiffusion 在合成和真实世界的各种数据集
PDF22 days ago
驯服基于分数扩散的无限维非线性逆问题
在这项研究中，我们介绍了一种能够在函数空间中解决贝叶斯逆问题的抽样方法，它不需要似然函数的对数凹性，可以用于非线性逆问题。该方法利用了最近定义的无限维度基于得分的扩散模型作为基于学习的先验，并通过在函数空间上定义的 Langevin 类型的
PDFa month ago
通过任务相关得分学习降低线性反问题的后验采样成本
评分扩散模型（SDM）提供了一种灵活的方法，用于在各种贝叶斯反问题中从后验分布中采样。本文针对线性反问题，证明了完全绕过前向映射评估，在后验样本生成中将计算任务转移到训练特定扩散式随机过程分数的离线任务上的可行性。情况下的得分，通过适当的仿
PDFa month ago
基于证明可靠性的分数传播后验采样用于即插即用图像重建
本研究提出了一种算法框架，用于在一般非线性逆问题中将基于分数的扩散模型作为表达性数据先验。通过引入扩散插入和播放方法 (DPnP)，交替调用两个采样器，一个仅基于前向模型的似然函数的邻近一致性采样器，另一个仅基于图像先验的分数函数的降噪扩散
PDF3 months ago
费曼路径积分理解扩散模型
利用费曼路径积分的新方法来描述分数评分的扩散模型，推导了反向随机微分方程和损失函数，通过应用量子物理中的 Wentzel-Kramers-Brillouin (WKB) 展开技术来评估随机和确定性采样方案之间的性能差异。
PDF4 months ago
加速基于得分的扩散模型的收敛性证明
设计了加速常见确定性和随机抽样算法的训练免费算法，加速度确定性和随机抽样器的汇率超过 DDIM 和 DDPM 抽样器的速度。
PDF4 months ago
基于分数的扩散模型通过随机微分方程
该篇论文是一篇关于基于分数的扩散模型的阐述性文章，重点介绍了通过随机微分方程 (SDE) 进行公式化。在温和的引言后，讨论了扩散建模的两个支柱 —— 抽样和得分匹配，其中包括 SDE/ODE 抽样，得分匹配效率，一致模型和强化学习。通过简短
PDF5 months ago
通过凸优化对基于神经网络的生成扩散模型进行分析
本研究提出了一个理论框架，通过将评分匹配和去噪评分匹配视为凸优化问题，对基于两层神经网络的扩散模型进行了分析。尽管现有的扩散理论主要是渐近的，但我们对有限数据的神经网络扩散模型进行了确切的预测评分函数表征，并建立了收敛结果，从而有助于理解非
PDF5 months ago
通过福克 - 普朗克方程来缩小基于评分的扩散模型中的 ODE-SDE 差距
通过分析得出结论，增加 Fokker-Planck 残差作为额外的正则化项可以缩小 ODE 和 SDE 生成的分布之间的差距，但这可能会导致 SDE 样本质量下降。
PDF7 months ago
扩散训练的样本高效性
评分扩散模型是深度生成建模图像的最流行方法，其理论和实证性能表现出有效采样、$L^2$ 精确评分估计、样本复杂度和 Wasserstein 准确性。
PDF7 months ago
扩散模型的泛化特性研究
扩散模型在理论和实践中的广义化能力、一般化差距以及模型对模式变化的敏感性进行了全面的理论分析和定量分析，证明了其在样本大小和模型容量上具有多项式级别的小一般化误差，使得其非常适用于实际应用。
PDF8 months ago
MINDE: 互信息神经扩散估计
通过基于 Girsanov 定理的新方法，我们提出了一种估计随机变量之间互信息（MI）的方法。我们的方法基于分数函数的扩散模型来估计两个密度之间的 Kullback Leibler 散度，并衍生出估计随机变量熵的方法。我们的结果表明，我们的
PDF9 months ago
探索使用概率流动 ODE 的密度估计的对抗鲁棒性
研究通过概率流神经常微分方程模型对梯度似然最大化攻击的密度估计鲁棒性以及与样本复杂度的关系，介绍和评估六种梯度似然最大化攻击，实验结果表明使用概率流神经常微分方程模型的密度估计对高复杂度和高似然攻击是鲁棒的，有时敌对样本具有语义上的意义，符
PDF9 months ago
基于替代得分的高效贝叶斯计算成像
我们提出了一种替代函数，用于有效地利用基于分数的先验对贝叶斯逆向成像进行建模。我们的替代先验在变分推断中对大型图像进行了高效的近似后验采样，并且相比先前方法的精确先验，至少将变分图像分布优化的速度加快了两个数量级。我们还发现，我们的方法在推
PDF10 months ago
U-Turn 扩散
我们对基于分数的扩散模型进行全面研究，以生成合成图像。我们揭示了评估分数扩散模型效率的标准：生成过程的能力取决于在反向 / 去噪阶段中解构快速相关性的能力。为了提高生成的合成图像的质量，我们引入了一种称为 “U-Turn Diffusion
PDFa year ago
SDDM：用于非配对图像到图像转换的基于得分分解的流形扩散模型
通过每个时间步骤在图像生成过程中优化纠缠的分布，以及通过降低维度但仍保持扰动参考图像高度集中的构建流形的块自适应实例归一化模块，新的基于分数分解扩散模型 (SDDM) 在多个 I2I 基准测试中表现优于现有的基于分数的扩散模型 (SBDM)
PDFa year ago
DiffFlow：基于评分扩散模型和生成对抗网络的统一 SDE 框架
建议了一个统一理论框架，将基于得分的扩散模型和生成对抗网络合并起来，提出了一个名为 “鉴别器去噪扩散流” 的新 SDE，通过调整不同得分项之间的相对权重，可以在 SDMs 和 GANs 之间实现平滑转换，同时保持边际分布不变，提供了新的算法
PDFa year ago
基于扩散模型的生成式类别级物体位姿估计: GenPose
本文提出了一种基于条件生成建模的目标姿态估计方法，该模型采用基于得分的扩散模型来估计对象姿态，借助二步过程（似然度估计和均值池化）从扩散模型中抽样候选项并综合其结果，约束了不确定性。该方法在 REAL275 数据集上实现了最先进的性能，且不
PDFa year ago
基于条件分数扩散模型的无限维贝叶斯推断
本次研究提出一种使用摊销条件受限 SDMs 学习无限维贝叶斯线性反问题的后验分布的方法，并且证明有条件的去噪估计器是无限维条件得分的一致估计，指出引入条件得分需要特别小心处理，同时证明所学习的分布对于观测的微小扰动是稳健的。
PDFa year ago