基于扩散模型的射地度量图像插值
计算机视觉与模式识别
2025-04-30 v1
摘要
扩散模型通过隐式学习数据流形在内容生成中取得了突出成绩，但缺乏实用方法来利用这一流形——与其他具备潜在空间的深度生成模型不同。本文引入一种新框架，将预训练扩散模型的数据空间视为黎巴耻流形，采用由评分函数导出的度量。在MNIST和Stable Diffusion上进行实验，表明这种几何感知方法生成的图像插值更真实、更安静、更忠实于提示，凸显其在改进内容生成与编辑方面的潜力。
引用
@article{arxiv.2504.20288,
title = {Image Interpolation with Score-based Riemannian Metrics of Diffusion Models},
author = {Shinnosuke Saito and Takashi Matsubara},
journal= {arXiv preprint arXiv:2504.20288},
year = {2025}
}