研究：采样注入噪声决定扩散模型泛化效果

Vincent Emmerling、Felix Günther 与 David Kappel 发表论文称，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，说明模型学到的是可泛化的数据分布。 研究指出，采样过程中注入的噪声对这种强泛化效果起关键作用，能成就也能破坏它。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。

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。