通过最优传输解决扩散模型中的先验分布不匹配
原文中文，约400字，阅读约需1分钟。发表于：。本研究解决了扩散模型中的先验误差问题，即前向过程的终止分布与反向过程的初始分布之间的差异。通过探讨最优传输理论与具有离散初始分布的扩散模型之间的关系，建立了其间的关键联系，并表明静态最优传输可作为弥合理论潜在差距的有效单步方法。实验结果展示了该方法在无条件和条件生成场景中的加速效果。
扩散模型的曝光偏差是由于训练和抽样输入不匹配导致的。本文分析了抽样分布和预测误差，提出了Epsilon Scaling方法，通过缩小网络输出，使抽样轨迹更接近训练阶段的向量场。实验表明该方法在多种扩散框架中有效。
