论文地址:https://arxiv.org/pdf/2403.08381.pdf
项目地址:https://pangzecheung.github.io/SingDiffusion
论文题目:Tackling the Singularities at the Endpoints of Time Intervals in Diffusion Models
逆过程的高斯特性
为了研究扩散模型的奇点问题,需要验证全过程包含奇点处的逆过程满足高斯特性。首先定义
为扩散模型的训练样本,训练样本的分布可以表示为:
DDIM 的采样公式确保了生成的 符合1-ε时刻的数据分布
从而解决了平均灰度问题。在这一步骤之后,就可以使用预训练的模型执行后续的采样步骤,直到生成。值得注意的是,由于该方法仅参与第一步的采样,与后续的采样过程无关,因此SingDiffusion可以应用在绝大多数已有的扩散模型中。另外,为了避免无分类器指导操作导致的数据溢出问题,该方法还使用了以下的归一化操作: