2610.04703

新方法通过学习判别性几何来改进漂移模型

研究人员开发了一种名为持久化表示学习的新方法，以提高漂移模型（一种生成模型）的性能。这些模型以前在像素空间表示方面存在困难，但在使用预训练特征时表现出色，这种差距归因于表示的“判别性几何”。新方法允许模型在演变过程中直接从像素中学习这种判别性几何，与早期的像素空间方法相比，将 Fréchet Inception Distance (FID) 显著降低了 82-95%，并消除了对预训练编码器的需求。