我们提出了一种名为基于规则的表示学习器（RRL）的新分类器，通过优化离散模型来自动学习可解释的非模糊规则，提高性能。RRL在小型和大型数据集上表现更好，可以根据需求调整准确性和复杂性的权衡。

我们提出了一种名为基于规则的表示学习器（RRL）的新分类器，通过优化离散模型来自动学习可解释的非模糊规则，提高性能。RRL在小型和大型数据集上表现更好，可以根据需求调整准确性和复杂性的权衡。

本综述回顾了计算机视觉中去噪扩散模型的理论和实际贡献，介绍了三种通用扩散建模框架，并讨论了扩散模型与其他深度生成模型的关系。同时，还介绍了计算机视觉中应用扩散模型的多个视角分类，并指出了离散模型的限制和未来研究方向。

本文回顾了应用于计算机视觉的去噪扩散模型的理论和实际贡献，提供了三种通用扩散建模框架，并介绍了扩散模型与其他深度生成模型之间的关系。同时，还介绍了在计算机视觉中应用扩散模型的多个视角分类，并指出了离散模型的当前限制和未来研究的方向。