改进的基于扩散的生成模型具有更好的对抗鲁棒性

💡 原文英文,约100词,阅读约需1分钟。
📝

内容提要

本研究探讨了扩散概率模型在生成任务中的分布不匹配问题,并提出通过分布鲁棒优化(DRO)来缓解。研究结果表明,对抗训练(AT)显著提升了模型的鲁棒性和生成性能。

🎯

关键要点

  • 本研究探讨了扩散概率模型在生成任务中的分布不匹配问题。
  • 提出通过分布鲁棒优化(DRO)来缓解分布不匹配问题。
  • 研究表明,对抗训练(AT)显著提升了模型的鲁棒性。
  • 对抗训练(AT)在生成性能上具有显著提升。
➡️

继续阅读