通过基于频率的噪声控制塑造扩散模型中的归纳偏差

本研究旨在在扩散模型的训练和采样中构建归纳偏差，以更好地适应数据的目标分布。我们提出了一种基于频率的噪声操作符，能够有效调控这些归纳偏差，从而提高生成性能，特别是在处理拓扑结构数据时。研究表明，通过适当的噪声控制，可以显著提高生成模型对特定频率信息的学习能力和数据恢复效果。