噪声条件化是必要的吗？无条件图扩散模型的统一理论
机器学习
2025-06-12 v2
摘要
显式噪声水平条件化被广泛认为是图扩散模型有效运行的必要条件。在这项工作中，我们通过研究去噪器是否能直接从损坏的图结构中隐式推断噪声水平，从而可能消除对显式噪声条件化的需求，来挑战这一假设。为此，我们建立了一个以伯努利边翻转损坏为中心的理论框架，并将其扩展到包含涉及耦合结构-属性噪声的更复杂场景。在使用 GDSS 和 DiGress 等模型对合成和真实世界图数据集进行的大量实证评估中，为我们的理论发现提供了强有力的支持。值得注意的是，无条件 GDMs 取得了与有条件对应模型相当或更优的性能，同时还减少了参数（4-6%）和计算时间（8-10%）。我们的结果表明，图数据本身的高维特性通常为去噪过程编码了足够的信息，为更简单、更高效的 GDM 架构开辟了途径。
引用
@article{arxiv.2505.22935,
title = {Is Noise Conditioning Necessary? A Unified Theory of Unconditional Graph Diffusion Models},
author = {Jipeng Li and Yanning Shen},
journal= {arXiv preprint arXiv:2505.22935},
year = {2025}
}