本文介绍了一种新的生成模型，利用评分匹配来估计数据分布的梯度，通过 Langevin 动力学生成样本。在 MNIST、CelebA 和 CIFAR-10 数据集上，我们的模型产生的样本与 GAN 相当，实现了 CIFAR-10 inception 得分的新的最先进水平为 8.87。

本文介绍了一种新的生成模型，利用评分匹配来估计数据分布的梯度，通过 Langevin 动力学生成样本。该模型在多个数据集上表现良好，实现了 CIFAR-10 inception 得分的新的最先进水平为 8.87。同时，作者还通过图像修补实验证明了该模型学习到了有效的表示。

该文介绍了一种新的生成模型，利用评分匹配来估计数据分布的梯度，通过 Langevin 动力学生成样本。该模型在多个数据集上表现良好，实现了 CIFAR-10 inception 得分的新的最先进水平为 8.87。作者还通过图像修补实验证明了该模型学习到了有效的表示。

该文章介绍了一种新的生成模型，利用评分匹配来估计数据分布的梯度，通过 Langevin 动力学生成样本。在 MNIST、CelebA 和 CIFAR-10 数据集上，该模型产生的样本与 GAN 相当，实现了 CIFAR-10 inception 得分的新的最先进水平为 8.87。同时，通过图像修补实验证明了该模型学习到了有效的表示。