arXiv stat.ML· Khaled Kahouli, Winfried Ripken, Stefan Gugler, Oliver T. Unke, Klaus-Robert M\"{u}ller, Shinichi Nakajima·· 2 小时前AI 评分22
解耦总方差与信噪比：TV/SNR 框架改进扩散模型采样
Disentangling Total-Variance and Signal-to-Noise-Ratio Improves Diffusion Models
AI 导读
研究者提出总方差/信噪比解耦（TV/SNR）框架，可独立控制扩散模型的 TV 与 SNR。实验显示，将指数爆炸的 TV 调度改为恒定 TV 并保留原 SNR 调度能持续提升效果，泛化最优传输流匹配的 SNR 调度还能显著提高生成效率。该方法在不同反向扩散求解器上表现一致，将搜索空间缩减为两个可解释参数，支持分子结构生成等复杂科学应用。
来源：arXiv stat.ML · arxiv.org