镜像扩散模型用于受限和带水印的生成
原文中文,约300字,阅读约需1分钟。发表于: 。Mirror Diffusion Models 是一种新的扩散模型,能在凸约束集上生成数据而不损失可解性,并且通过学习镜像映射构造的对偶空间中的扩散过程,在应用于简单 xes 和∥2 - 球等流行约束集时,MDM 展现出显著改善的性能。此外,我们还探索了约束集作为一种新机制,将隐藏但定量信息(即水印)嵌入生成的数据中,以达到安全和隐私保护的目的。我们的工作为在复杂领域中学习可解扩散提供了新的算法机会。
Mirror Diffusion Models (MDM)是一种新的扩散模型,可以在凸约束集上生成数据而不失可解性。通过在镜像映射构造的对偶空间中学习扩散过程,MDM在应用于流行的约束集(如simplexes和∥2-balls)时显示出显着的性能提升。此外,作者探讨了使用约束集作为机制将隐藏但定量信息(即水印)嵌入生成的数据以实现安全和隐私保护的可能性。该工作为在复杂领域中学习可解扩散提供了新的算法机会。