将预训练扩散模型融入求解薛定谔桥问题中
计算机视觉与模式识别
2025-08-26 v1 机器学习
摘要
本文旨在通过三种重新参数化技术统一薛定谔桥 (SB) 问题与基于得分的生成模型 (SGM)，即扩散模型：迭代比例均值匹配 (IPMM)、迭代比例终点匹配 (IPTM) 以及迭代比例流匹配 (IPFM)。这些技术显著加速和稳定了基于 SB 的模型训练。此外，本文引入了新颖的初始化策略，使用预训练的 SGM 有效训练基于 SB 的模型。通过将 SGM 作为初始化，我们利用两者的优势，确保基于 SB 的模型高效训练，并进一步提升 SGM 的性能。广泛的实验表明，所提出的方法在效果和改进方面均显著有效。我们认为本工作为未来的生成模型研究提供了贡献，并为未来研究之路指明了方向。
引用
@article{arxiv.2508.18095,
title = {Incorporating Pre-trained Diffusion Models in Solving the Schr\"odinger Bridge Problem},
author = {Zhicong Tang and Tiankai Hang and Shuyang Gu and Dong Chen and Baining Guo},
journal= {arXiv preprint arXiv:2508.18095},
year = {2025}
}