利用判别器引导的图像扩散模型生成时间一致的动力学
机器学习
2025-05-16 v2
摘要
现实的时间动力学对许多视频生成、处理和建模应用至关重要，例如计算流体动力学、天气预报或长期气候模拟。在视频扩散模型（Video Diffusion Models, VDMs）是当前最先进的用于生成高度真实动力学的方法之一。然而，从头训练 VDMs 具有挑战性且需要大量计算资源，限制了其更广泛的应用。本文提出了一种时间一致性判别器，使预训练的图像扩散模型能够生成真实的时空动力学。该判别器指导采样推理过程，且无需扩展或微调图像扩散模型。我们将方法与从头训练的 VDM 在理想湍流模拟和真实世界全球降水数据集上进行比较。我们的 approach 在时序一致性方面表现相当，同时在不确定性校准和偏差方面表现出色，并实现了以日为时间步长的持久气候模拟。
引用
@article{arxiv.2505.09089,
title = {Generating time-consistent dynamics with discriminator-guided image diffusion models},
author = {Philipp Hess and Maximilian Gelbrecht and Christof Schötz and Michael Aich and Yu Huang and Shangshang Yang and Niklas Boers},
journal= {arXiv preprint arXiv:2505.09089},
year = {2025}
}