arXiv · ML· Eric Yeats, Aaron Jacobson, Darryl Hannan, Yiran Jia, Timothy Doster, Henry Kvinge, Scott Mahan·· 21 天前AI 评分38
去噪分数匹配损失作为局部内在维度(LID)估计器
A Connection Between Score Matching and Local Intrinsic Dimension
AI 导读
局部内在维度(LID)量化高维数据存在计算瓶颈,现有方法依赖大量前向传播或梯度计算。去噪分数匹配损失(denoising score matching loss)被证明是LID的下界,可作为高效LID估计器。 在Stable Diffusion 3.5实验表明,该方法在问题规模增大和量化水平提高时,相较于计算和内存受限场景,具有更优的精度、可扩展性和更小的内存占用。
来源:arXiv · ML · arxiv.org