盲去噪扩散模型与维度之福
机器学习
2026-02-11 v1 机器学习
摘要
我们从理论和实证两个角度分析基于「盲去噪器」的生成扩散模型的性能，其中去噪器在训练或采样过程中均不获取噪声幅度。假设数据分布具有低内在维度，我们证明了盲去噪扩散模型（BDDMs）尽管无需获取噪声幅度，却能在逆过程中自动跟踪一种特定的「隐式」噪声计划。我们的分析表明，BDDMs 能够以内在维度的多项式数量的步骤准确地从数据分布中进行采样。实证结果在合成数据和图像数据上都印证了这些数学发现，表明噪声方差可从带噪图像中准确估计。令人惊讶的是，无计划的 BDDMs 产出的样本质量优于其有计划的对手。我们提供了证据表明，这一性能提升源于 BDDMs 纠正了真实残差噪声（图像）与非盲扩散模型所使用计划假设的噪声之间的不匹配。
引用
@article{arxiv.2602.09639,
title = {Blind denoising diffusion models and the blessings of dimensionality},
author = {Zahra Kadkhodaie and Aram-Alexandre Pooladian and Sinho Chewi and Eero Simoncelli},
journal= {arXiv preprint arXiv:2602.09639},
year = {2026}
}
备注
40 pages, 12 figures