基于得分[Score-Based]的随机微分方程生成建模
- 1. 梗概
该框架封装了基于得分的生成建模和扩散概率建模，产生新的采样过程和新的建模能力。
在求解反向时间SDE中，
- 我们引入了一个预测-校正框架来校正离散化反向时间SDE演化中的误差。
- 我们还推导出了一个等效的神经ODE，它从与SDE相同的分布中进行采样，但还可以进行精确的似然计算，并提高采样效率。
- 我们还提供了一种使用基于得分的模型解决反向问题的新方法，正如类条件生成、图像修复和彩色化的实验所证明的那样。
结合多种架构改进，我们在CIFAR-10上实现了创纪录的无条件图像生成性能，初始得分为9.89，FID为2.20，竞争似然为2.99 bits/dim，并首次从基于得分的生成模型中演示了图像的高保真度生成。
1. 梗概
本文链接：https://my.lmcjl.com/post/1871.html
展开阅读全文
4 评论