跳到正文
arXiv · ML· Amish Sethi, Boya Zeng, Wenhao Chai, Zhuang Liu·· 2 天前AI 评分45

研究扩散模型学习基本视觉技能泛化能力

Do Diffusion Models Learn to Generalize Basic Visual Skills?

AI 导读

研究人员提出受控实验框架 Visual Generative Lab (VGL),用于评估扩散模型在尺寸、位置等7项基本视觉技能上的泛化表现。该框架通过生成合成数据,发现模型的外推能力有限,组合泛化效果主要取决于技能组合数量而非数据集大小,且各项技能通常独立失败。 VGL 采用基于规则的任务指标精确测量泛化能力,揭示了默认设计下尺寸与位置外推在训练范围附近迅速退化,计数准确率仅约50%。

来源:arXiv · ML · arxiv.org