arXiv stat.ML· Alessio Spagnoletti, Abdul-Lateef Haji-Ali, Andr\'es Almansa, Alain Oliviero Durmus, Eric Moulines, Marcelo Pereyra·· 1 天前AI 评分18
一致性模型多步采样理论:稳定性、误差界与噪声调度
Iterating Consistency Models: Stability, Error Bounds and Noise Schedules
AI 导读
针对一致性模型(CM)多步采样中步数对样本质量影响难以解释的问题,研究者将多步 CM 采样建模为加噪与近似去噪算子的复合,在可验证的稳定性假设下推导出非渐近误差界,将初始化误差的收缩与近似误差的累积分离。该误差界表明:早期大噪声水平驱动收缩,后期小噪声水平控制残余偏差;对强对数凹与半对数凹目标还给出显式常数。实验显示误差界中的收缩与近似曲线可被可靠测量,并与预测的函数形式吻合。
来源:arXiv stat.ML · arxiv.org