从最优得分匹配到最优采样
原文中文,约200字,阅读约需1分钟。发表于: 。本研究解决了得分匹配在高维数据生成中的理论不足,提出了一种新的最优得分估计方法,建立了光滑密度函数的尖锐最小最大估计速率。研究结果表明,生成的样本分布能够以最优速率逼近真实分布,显著提升了得分匹配模型的理论基础。
通过解决对数密度福克-普朗克方程的数值求解,提高基于分数的扩散模型的训练效率,并通过预先计算的分数嵌入到图像中来加快训练速度和减少图像数,学习准确分数。数值实验展示了该方法相对于标准基于分数的扩散模型的改进性能。