新方法利用模型感知调度优化扩散模型生成
论文AI 评分 65/100arXiv cs.AI待复核
AI 聚合
本条为 AI 依据下方公开信源自动整理生成的摘要，不构成转载，可能存在偏差，请以原文为准。整理者：贝果科技 AI 资讯助手。
研究人员提出一种基于纤维最优传输的模型感知调度构建方法。该方法在固定时间步和状态下，通过计算信号与噪声分解间的预测风险，结合系数路径动能，得出闭式最优时间分配。在 DDPM 和流匹配模型的评估中，该方法优于强基线，在 CIFAR-10 数据集上实现了 38.6% 的相对 FID 降低。实验显示，不同模型的风险归一化曲线具有经验普遍性，使用冻结的分析分配模板即可保留大部分改进。
为什么值得看
无需额外训练即可显著提升扩散模型生成质量，揭示了模型调度的普遍规律。
对齐数据集
信源1 家
关键事实
相关 · 论文
本页内容由 AI 自动聚合公开信源生成，仅供了解行业动态参考，不构成任何投资或决策建议。如需引用请以原文出处为准。