扩散模型中多噪声用于半监督多域翻译
计算与语言
2025-09-09 v2 人工智能
机器学习
摘要
在本工作中，我们解决多域翻译的挑战，其目标是在一个定义好的域集合内学习任意域配置之间的映射（例如三个域时的 、、 等），而无需为每个特定翻译配置使用单独模型，从而实现更高效灵活的域翻译。我们提出多域扩散（MDD），一种具有双重目的的方法：i）为新数据对象重建任意缺失视图，以及 ii）在具有任意监督配置的半监督情境下实现学习。MDD 通过利用扩散模型的噪声公式达成这些目标，具体地为每个域建模一个噪声水平。与现有域翻译方法类似，MDD 学习任意域组合间的翻译。然而，与先前工作不同，我们的公式通过将缺失视图表示为扩散过程中的噪声，天然地在不加修改的情况下处理半监督学习。我们通过 BL3NDT（一个为具挑战性的语义域反演设计的多域合成数据集）、BraTS2020 数据集与 CelebAMask-HQ 数据集上的域翻译实验评估了我们的方法。
引用
@article{arxiv.2309.14394,
title = {Multiple Noises in Diffusion Model for Semi-Supervised Multi-Domain Translation},
author = {Tsiry Mayet and Simon Bernard and Romain Herault and Clement Chatelain},
journal= {arXiv preprint arXiv:2309.14394},
year = {2025}
}