arXiv · ML· Kaichen Shen, Wei Zhu·· 6 小时前AI 评分22
潜在非线性去噪分数匹配（LNDSM）增强结构化分布生成学习
Latent Nonlinear Denoising Score Matching for Enhanced Learning of Structured Distributions
AI 导读
论文提出 LNDSM，结合非线性潜空间扩散与 VAE 框架，将指定参考分布（如高斯混合模型）引入前向扩散过程。 LNDSM 通过 Euler-Maruyama 离散化推导目标函数近似值，并移除小时间步下方差过大的控制变量以稳定训练，在图像基准测试中优于常规潜在分数生成模型。 该框架在样本质量、模式平衡和训练效率上均表现更佳，验证了非线性潜空间扩散用于生成建模的潜力。
来源：arXiv · ML · arxiv.org