arXiv · cs.AI · Mudit Gaur, Prashant Trivedi, Sasidhar Kunapuli, Amrit Singh Bedi, Vaneet Aggarwal · 9 小时前模型评分31
条件扩散模型的有限时间在线样本复杂度研究
Finite-Time Online Sample Complexity for Conditional Diffusion Models
导读
一项理论研究分析了在线随机梯度去噪分数匹配训练的条件扩散模型，在有限次更新后给出训练与采样误差的有限时间界。研究在局部化 Polyak–Łojasiewicz 条件下，将网络近似复杂度与在线训练样本预算分离，并推导出总变差上界可分解为初始化、时间离散化、近似与有限时间优化四项误差。
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 study the finite-time training and sampling error of conditional diffusion models trained by online stochastic-gradient denoising score matching.”
来源：arXiv · cs.AI · arxiv.org