更深的扩散模型放大偏差
计算机视觉与模式识别
2025-09-29 v2
摘要
尽管生成扩散模型 (DM) 在各方面表现卓越，但其内部工作仍不为人所了解，这可能具有潜在的风险。本文聚焦于探索扩散模型中偏差-方差权衡的重要概念。为建立这一探索的系统基础，它表明在一个极端情况下，扩散模型可能放大训练数据中固有的偏差，而在另一个极端情况下，则可能损害训练样本的原本隐私。我们的探索符合记忆-泛化对生成模型的理解，但也在这一光谱上进一步扩展，揭示了更深模型中偏差放大风险。我们的主张既在理论上又在实证上得到验证。
引用
@article{arxiv.2505.17560,
title = {Deeper Diffusion Models Amplify Bias},
author = {Shahin Hakemi and Naveed Akhtar and Ghulam Mubashar Hassan and Ajmal Mian},
journal= {arXiv preprint arXiv:2505.17560},
year = {2025}
}