研究人员推出了一种新颖的训练评分生成模型的方法——潜在非线性去噪分数匹配（LNDSM）。与使用线性扩散的传统模型不同，LNDSM在变分自编码器框架内融入了非线性的、受结构启发的潜在扩散。这种方法允许模型从规定的参考分布（例如高斯混合模型）中学习，后者可以更好地反映数据的底层结构。实验表明，与现有的基于潜在评分的模型相比，LNDSM在图像数据集上提高了样本质量和模式平衡，同时还提供了更有效的训练。 AI
影响 引入了一种新颖的生成模型方法，提高了样本质量和训练效率。
排序理由 该集群包含一篇详细介绍生成模型新方法的学术论文。
- arXiv
- Gaussian mixture model
- Kaichen Shen
- Latent Nonlinear Denoising Score Matching
- variational auto-encoder
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
