BriefGPT - AI 论文速递
·
局部化薛定谔桥采样器
💡
原文中文，约300字，阅读约需1分钟。
📝
内容提要
本文介绍了软约束的Schrödinger bridge（SSB）的最优控制方法，通过惩罚两个分布之间的Kullback-Leibler散度，得到最优控制过程的终端分布是μ_T和其他分布的几何混合。该方法在时间序列设置中应用，并提出了鲁棒性生成扩散模型的应用。同时，还介绍了一种基于评分匹配的算法，用于从几何混合中进行采样，并通过对MNIST数据集的数值实例展示其用途。
🎯
关键要点
- 提出了一种软约束的Schrödinger bridge（SSB）的最优控制方法。
- 通过惩罚Kullback-Leibler散度，终端分布为μ_T和其他分布的几何混合。
- 该方法在时间序列设置中得到了应用。
- 提出了鲁棒性生成扩散模型的应用。
- 介绍了一种基于评分匹配的算法，用于从几何混合中进行采样。
- 通过对MNIST数据集的数值实例展示了该算法的用途。
➡️
