改进基于分数的生成模型训练技术
机器学习
2020-10-27 v2 计算机视觉与模式识别
机器学习
摘要
基于分数的生成模型能够产生与GANs质量相当的高质图像样本，且无需对抗优化。然而，现有训练过程局限于低分辨率图像（通常低于32x32），且在某些设定下不稳定。我们对高维空间中分数模型的学习与采样提供新的理论分析，解释已有的失败模式并启发可跨数据集泛化的新方案。为增强稳定性，我们还提议维持模型权重的指数移动平均。借助这些改进，我们可轻松将基于分数的生成模型扩展到分辨率空前的图像，范围从64x64到256x256。我们的基于分数的模型能生成高保真样本，在包括CelebA、FFHQ和多个LSUN类别的各类图像数据集上与最佳GANs媲美。
引用
@article{arxiv.2006.09011,
title = {Improved Techniques for Training Score-Based Generative Models},
author = {Yang Song and Stefano Ermon},
journal= {arXiv preprint arXiv:2006.09011},
year = {2020}
}
备注
NeurIPS 2020