随机龙格-库塔方法：扩散模型的可证明加速
原文中文，约300字，阅读约需1分钟。发表于：。本文解决了扩散模型在生成建模中的高计算成本问题，尤其是传统扩散采样器需要大量评分函数评估的不足。我们提出了一种基于随机龙格-库塔方法的无训练加速算法，该算法在KL散度中证明能够以$\widetilde O(d^{3/2} / \varepsilon)$的评分函数评估次数达到$\varepsilon^2$的误差，相比于已有的最佳保证$\widetilde O(d^{3} /...
本文介绍了一种基于随机龙格-库塔方法的无训练加速算法，旨在降低扩散模型生成建模的计算成本。该算法在KL散度中评分函数的评估次数达到$ ilde{O}(d^{3/2} / ext{误差})$，在维度依赖性上优于传统方法。数值实验显示了其高效性。
