跳到正文
热点事件持续更新

前向值离散化框架加速扩散模型随机采样

1 篇报道1 个报道来源2 小时前更新

先了解这件事

AI 综述

Yuchen Jiao 等在 arXiv 论文中提出前向值离散化这一免训练框架,并据此设计了 F-DDPM 与 F-DPMSolver 两种采样器:在先前预测的前瞻估计点上评估数据/噪声预测模型,每步只需一次模型评估。 论文还给出匹配的上界与最坏情形下界,证明随机采样器即使使用精确 score 函数,高阶近似仍只有一阶收敛,即高阶方法在随机采样中无法带来更高阶的加速。

AI 根据报道生成 · 56 分钟前更新

报道时间线

沿着报道,了解事件的不同侧面。

11月11日
  1. arXiv cs.AI
    前向值离散化:无需高阶近似即可加速随机扩散采样

    F-DDPM 与 F-DPMSolver 提出前向值离散化框架,免训练、每步仅一次模型评估,在先前预测的前瞻估计点上评估数据/噪声预测模型。论文证明随机采样器即使使用精确 score 函数,高阶近似仍只保持一阶收敛。

本事件热度走势

还没有足够的连续观测数据,暂不绘制趋势。