HumanDiffusion：利用感知梯度的扩散模型
人机交互
2023-06-22 v1
摘要
我们提出 {\it HumanDiffusion}，一种由人类感知梯度训练得到的扩散模型，用以学习人类可接受的数据范围（即人类可接受分布）。常规的 HumanGAN 旨在通过基于人类判别器的神经网络生成器训练，建模比真实数据分布更宽的人类可接受分布。然而，HumanGAN 训练因梯度消失或模式崩溃倾向于收敛于无意义分布，且需要谨慎的启发式方法。相反，我们的 HumanDiffusion 通过基于人类感知评价梯度的朗之万动力学（Langevin dynamics）学习人类可接受分布。我们的训练迭代一个将真实数据扩散以覆盖更宽人类可接受分布的过程，并能避免 HumanGAN 训练中的问题。评估结果表明，我们的 HumanDiffusion 无需任何训练启发式即可成功表示人类可接受分布。
引用
@article{arxiv.2306.12169,
title = {HumanDiffusion: diffusion model using perceptual gradients},
author = {Yota Ueda and Shinnosuke Takamichi and Yuki Saito and Norihiro Takamune and Hiroshi Saruwatari},
journal= {arXiv preprint arXiv:2306.12169},
year = {2023}
}
备注
Proceedings of INTERSPEECH