新的贝叶斯样本推断模型改进了生成模型

研究人员介绍了一种新颖的生成模型方法——贝叶斯样本推断（BSI），该方法通过迭代高斯后验推断的视角来审视类似扩散的过程。这种表述将生成的样本视为一个未知变量，每一步都涉及模型预测和随后的后验信念更新。提出的BSI模型被证明包含了贝叶斯流网络（BFNs）和变分扩散模型，它们代表了各向同性超先验谱的两个极端。在ImageNet32和ImageNet64数据集上的实验结果表明，BSI在保持同等对数似然性的同时，提高了样本质量，优于BFNs和变分扩散模型。 AI

影响 引入了一个新的生成模型理论框架，可能提高样本质量并加深对类似扩散过程的理解。

排序理由 该集群包含一篇详细介绍新生成模型技术的论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv stat.ML 阅读 →

• arXiv
• Bayesian Flow Networks
• Bayesian Sample Inference
• ImageNet32
• ImageNet64
• Marten Lienen
• Variational Diffusion Models

• 论文
• 模型发布

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →