跳到正文
arXiv · ML· Eiichi Sakurai, Kenji Yamanishi·· 7 天前AI 评分24

DR-Diff 框架通过双重稳健目标校正克服条件扩散模型中的虚假相关性

Overcoming Spurious Correlations in Conditional Diffusion Models via Doubly Robust Target Correction

AI 导读

提出 DR-Diff 框架,通过函数梯度法构建伪目标,高效微调预训练条件扩散模型以解决训练数据中的虚假相关性。 该框架具备伪双重稳健性,能抵御密度比估计误差和基础模型误设;实验显示其在合成数据集上达到从头训练的噪声预测精度,并缓解分类任务中的组间差异。

来源:arXiv · ML · arxiv.org