arXiv · cs.AI · Vincent Emmerling, Felix G\"unther, David Kappel · 4 小时前模型评分28
扩散模型泛化中注入噪声的作用
The role of injected noise in diffusion model generalization
导读
研究发现，在不同数据集上训练的扩散模型在相同噪声输入下能生成高度相似的样本，说明其学到了泛化的数据分布；采样过程中注入的噪声对这一强泛化效果起关键作用。样本相似度对注入噪声变化的鲁棒性在“整体结构已成形但样本具体身份尚未确定”的采样阶段受影响最大。
分类置信度
中 · 待人工复核
- 只有单一媒体来源，需要人工复核。
来源级别：媒体与个人
事件类型：研究发布
证据摘录
- “We investigate the role of noise injected during the sampling process, and show that it plays an important role in making or breaking this strong generalization effect.”
来源：arXiv · cs.AI · arxiv.org