遮蔽扩散作为自监督表示学习耠
原文中文，约300字，阅读约需1分钟。发表于：。最近，去噪扩散概率模型展示了最先进的生成性能，并被用作强大的像素级表示学习器。本文将扩散模型内在的生成能力与表示学习能力之间的相互关系进行了分解。我们提出了掩蔽扩散模型 (MDM)，这是一种可扩展的自监督表示学习器，用于将传统扩散中的加性高斯噪声替换为遮罩机制。我们所提出的方法在医学和自然图像语义分割任务中明显超越了先前的基准，并在少样本场景下展示了显著的进展。
研究人员提出了一种新的自监督表示学习器，称为掩蔽扩散模型（MDM），用于医学和自然图像语义分割任务。MDM通过遮罩机制替换传统扩散中的加性高斯噪声，展示了强大的生成性能，并在少样本场景下超越了先前的基准。
