English(EN) Why DDIM Hallucinates More Than DDPM: A Theoretical Analysis of Reverse Dynamics

扩散模型理论揭示 DDIM 的幻觉弱点

作者 PulseAugur 编辑部 · [1 个来源] · 2026-06-01 04:00

一项新的理论分析研究了扩散模型中的幻觉现象，特别是比较了去噪扩散概率模型 (DDPM) 和去噪扩散隐式模型 (DDIM)。该研究证明 DDIM 在临界时间后可能会陷入模式之间，而 DDPM 的内在随机性有助于它避免这个问题。研究表明，引入额外的随机步骤可以提高 DDIM 的性能并减少幻觉。 AI

影响为扩散模型的行为提供了理论见解，可能指导开发更鲁棒的生成模型。

排序理由该集群包含一篇关于扩散模型的理论分析论文。[lever_c_demoted from research: ic=1 ai=1.0]

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

报道来源 [1]

arXiv cs.AI TIER_1 English(EN) · Muhammad H. Ashiq, Samanyu Arora, Abhinav N. Harish, Ishaan Kharbanda, Hung Yun Tseng, Grigorios G. Chrysos · 2026-06-01 04:00

为什么 DDIM 比 DDPM 更容易产生幻觉：反向动力学的理论分析

arXiv:2605.06831v2 Announce Type: replace-cross Abstract: We theoretically study the hallucination phenomena in two canonical diffusion samplers: the stochastic Denoising Diffusion Probabilistic Model (DDPM) and the deterministic Denoising Diffusion Implicit Model (DDIM). We anal…