arXiv · cs.AI · Dong-Dong Wu, Jiacheng Cui, Wei Wang, Zhiqiang Shen, Masashi Sugiyama · 8 小时前模型评分33
DELTA：在弱标注下稳健训练标签条件扩散模型
DELTA: Robustly Training Label-Conditional Diffusion Models with Weak Annotations
导读
DELTA 提出统一框架，可在标签含噪声、模糊或部分缺失三类弱标注下稳健训练标签条件扩散模型。它把未知真实标签当作潜变量，联合优化变分目标以恢复干净数据分布并推断标签后验，并用中位数中心化的时间步采样降低计算开销。在合成与真实基准上，DELTA 生成的样本质量更高、类别更一致，且所需先验知识少于专用基线方法。
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
- “To overcome these limitations, we propose DELTA, a unified framework that robustly trains Diffusion modELs across all three weak annoTAtion types.”
来源：arXiv · cs.AI · arxiv.org