基于最优传输引导的条件评分扩散模型
原文中文，约300字，阅读约需1分钟。发表于：。提出一种基于最优传输引导的条件得分扩散模型 (OTCS)，该模型可以处理局部配对或甚至没有配对的数据集，通过设计一种 “兼容性重新采样” 策略，选择与高兼容性的样本数据作为指导，有效地训练条件得分模型，从而在无配对和部分配对设置中实现了出色的超分辨率和图像翻译效果。
本文提出了一种基于Unbalanced Optimal Transport (UOT)的新型生成模型，相比于基于OT的方法在处理噪点、稳定性和训练收敛速度等方面表现更优。实验结果显示，该模型在CIFAR-10和CelebA-HQ-256数据集上的FID分别为2.97和5.80，优于现有基于OT的生成模型。同时，研究了UOT之间分布差异的理论上界。
