自适应矩在即插即用扩散采样中意外的有效性
机器学习
2026-04-24 v2 计算机视觉与模式识别
摘要
引导扩散采样依赖于近似常常难以计算的似然得分，这会引入显著的采样动力学噪声。我们提议使用自适应矩估计来稳定这些噪声较大的似然得分。尽管该方法简单，却在图像修复和类别条件生成任务中实现了状态的最佳结果，优于更复杂且常常计算更昂贵的方法。我们在合成数据和真实数据上提供了该方法的经验分析，表明通过自适应矩减缓梯度噪声是一种有效的改进对齐方式。
引用
@article{arxiv.2603.16797,
title = {Adaptive Moments are Surprisingly Effective for Plug-and-Play Diffusion Sampling},
author = {Christian Belardi and Justin Lovelace and Kilian Q. Weinberger and Carla P. Gomes},
journal= {arXiv preprint arXiv:2603.16797},
year = {2026}
}