BriefGPT - AI 论文速递
·
标签噪声鲁棒扩散模型
💡
原文中文，约400字，阅读约需1分钟。
📝
内容提要
使用Transition-aware weighted Denoising Score Matching（TDSM）训练带噪声标签的条件扩散模型，TDSM目标函数整合了得分网络的加权和，实验证明TDSM可以提高生成样本质量，改进生成性能。
🎯
关键要点
- 使用Transition-aware weighted Denoising Score Matching（TDSM）训练带噪声标签的条件扩散模型。
- TDSM目标函数整合了得分网络的加权和，包含实例级和时间相关的标签转移概率。
- 实验证明TDSM可以提高生成样本质量，改进生成性能。
- TDSM在各种数据集和噪声标签设置上表现良好，尤其在常见基准数据集上。
- 研究表明噪声标签对生成模型学习存在潜在风险，TDSM在传统噪声标签修正基础上进一步提高性能。
➡️
