基于时空差异学习能量基模型的随机插值
机器学习
2026-05-27 v1
摘要
从数据样本学习能量基模型是机器学习中的核心问题。许多近期流行的方法，如去噪得分匹配用于训练能量基模型扩散模型，都使用随机插值对数据样本在由时间变量索引的不同噪声水平上进行破坏，从而定义数据空间与时间的联合密度，大多数方法通过空间差异或时间差异学习其能量。我们识别出这两种方法的不同失效模式。为解决此问题，我们提出时空噪声对比估计（stNCE），通过联合时空差异学习能量。stNCE 统一了许多现有方法，并导致新的训练目标。在图像和分子数据上的实验表明，其性能与最新密度估计方法相当。
引用
@article{arxiv.2605.26850,
title = {Learning Energy-Based Models from Stochastic Interpolants using Spatiotemporal Differences},
author = {Hanlin Yu and RuiKang OuYang and Partha Kaushik and Arto Klami and Michael U. Gutmann and Omar Chehab},
journal= {arXiv preprint arXiv:2605.26850},
year = {2026}
}