基于谱扩散的快速图生成
机器学习
2024-04-16 v2 人工智能
摘要
生成图结构数据是一个具有挑战性的问题，需要学习图 underlying 分布。已有图 VAE、图 GANs 和图扩散模型等多种模型被提出以生成有意义且可靠的图，其中扩散模型取得了最先进的性能。本文中，我们认为在整个图邻接矩阵空间上运行全秩扩散 SDE 阻碍了扩散模型学习图拓扑生成，从而显著降低了生成图数据的质量。为解决这一局限，我们提出了一种高效且有效的图谱扩散模型（GSDM），其由图谱空间上的低秩扩散 SDE 驱动。我们的谱扩散模型进一步被证明比标准扩散模型享有显著更强的理论保证。在多个数据集上的大量实验表明，我们提出的 GSDM 成为了 SOTA 模型，其生成质量显著更高且计算消耗远少于基线方法。
引用
@article{arxiv.2211.08892,
title = {Fast Graph Generation via Spectral Diffusion},
author = {Tianze Luo and Zhanfeng Mo and Sinno Jialin Pan},
journal= {arXiv preprint arXiv:2211.08892},
year = {2024}
}