PoGDiff：用于不平衡文本到图像生成的高斯积分扩散模型
机器学习
2025-06-17 v3 人工智能
计算机视觉与模式识别
机器学习
摘要
扩散模型近年来取得了显著进展，但在训练或微调不平衡数据集时性能常恶化。这种下降主要源于图像-文本对中 majority 与 minority 数据的不成比例表征。本文提出一种通用微调方法，称为 PoGDiff，以解决此挑战。该方法不直接最小化预测分布与真实分布之间的 KL 散度，而是将真实分布替换为由原真实目标与以相邻文本嵌入为条件的预测分布组合而成的高斯积分 (Product of Gaussians, PoG)。在真实数据集上的实验表明，我们的方法有效解决了扩散模型中的不平衡问题，提升了生成的准确性与质量。
引用
@article{arxiv.2502.08106,
title = {PoGDiff: Product-of-Gaussians Diffusion Models for Imbalanced Text-to-Image Generation},
author = {Ziyan Wang and Sizhe Wei and Xiaoming Huo and Hao Wang},
journal= {arXiv preprint arXiv:2502.08106},
year = {2025}
}