DELTA：弱标注下稳健训练标签条件扩散模型

Dong-Dong Wu 等作者发布论文提出 DELTA 统一框架，称可在标签含噪声、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。 该方法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，同时用中位数中心化的时间步采样降低计算开销。论文称，在合成与真实基准上，DELTA 生成的样本质量更高、类别更一致，所需先验知识少于专用基线方法。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。