深度生成模型-基于得分的生成模型 1. 概述 1.1. 深度生成模型 1.2. 本文内容 2. 基于得分的生成模型 2.1. 分数匹配 2.1.1. 去噪分数匹配 2.1.2. 切片分数匹配 2.2. 朗之万动力学采样 3. 基于分数的生成式建模所面临的挑战 3.1. 流形假说 3.2. 低数据密度区域 3.2.1 与分数匹配的分数估计不准确 3.2.2. 朗之万动力学的缓慢混合 4. 噪声条件评分网络：学习和推理 4.1. 噪声条件评分网络 4.2. 通过分数匹配来学习NCSNs 4.3. 通过退火的朗之万动力学进行NCSN推断 1. 概述 1.1. 深度生成模型 假设我们已经有了 n n n个样本 { x i } 1 ≤ i ≤ n \{x_i\}_{1\leq i\leq n} { x
超级会员免费看
本文探讨了深度生成模型，尤其是基于得分的生成建模，涉及分数匹配（去噪和切片）、朗之万动力学采样及其面临的挑战。通过噪声条件评分网络（NCSN）和退火朗之万动力学解决低密度区域的采样问题，提升样本质量和混合效率。
订阅专栏 解锁全文
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
