InJecteD：分析用于二维点云生成的去噪扩散概率模型中的轨迹与漂移动力学
机器学习
2025-09-17 v1 计算机视觉与模式识别
摘要
本工作引入了 InJecteD，这是一个通过分析二维点云生成去噪过程中的样本轨迹来解释去噪扩散概率模型（DDPMs）的框架。我们将该框架应用于 Datasaurus Dozen 中的三个数据集——靶心、恐龙和圆形，使用具有可定制输入和时间嵌入的简化 DDPM 架构。我们的方法利用 Wasserstein 距离和余弦相似度等统计指标，量化了轨迹特性，包括位移、速度、聚类和漂移场动力学。通过增强模型透明度，InJecteD 使从业者能够调试和改进生成模型，从而支持人机协作。实验揭示了不同的去噪阶段：初始噪声探索、快速形状形成和最终细化，并表现出数据集特定的行为，例如靶心的同心收敛与恐龙的复杂轮廓形成。我们评估了四种模型配置，改变了嵌入和噪声调度，证明基于傅里叶的嵌入能提高轨迹稳定性和重建质量。
引用
@article{arxiv.2509.12239,
title = {InJecteD: Analyzing Trajectories and Drift Dynamics in Denoising Diffusion Probabilistic Models for 2D Point Cloud Generation},
author = {Sanyam Jain and Khuram Naveed and Illia Oleksiienko and Alexandros Iosifidis and Ruben Pauwels},
journal= {arXiv preprint arXiv:2509.12239},
year = {2025}
}