条件扩散模型有限时间在线样本复杂度研究

Mudit Gaur 等作者发表一项理论研究，分析用在线随机梯度去噪分数匹配训练的条件扩散模型，在有限次更新后的训练与采样误差。研究在局部化 Polyak–Łojasiewicz 条件下，把网络近似复杂度与在线训练样本预算分开处理，并推导出总变差上界，将其分解为初始化、时间离散化、近似和有限时间优化四项误差。 这是一项纯理论分析，给出的是误差上界的结构，而非实测性能。研究结果以 arXiv 预印本形式发布，尚未经过同行评审。

AI 根据报道生成 · 3 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。