泊松流一致性训练

泊松流一致性模型（Poisson Flow Consistency Model, PFCM）是一种基于鲁棒的泊松流生成模型++（Poisson Flow Generative Model++, PFGM++）的一致性模型，该模型在无条件图像生成和CT图像去噪方面取得了成功。然而，PFCM只能通过蒸馏来训练，限制了其在许多数据模态中的潜力。本研究旨在创建一种能够独立训练PFCM的方法，称为泊松流一致性训练（Poisson Flow Consistency Training, PFCT）。本文利用扰动核消除预训练的PFGM++，引入正弦离散化计划和Beta噪声分布，以提高适应性和样本质量。该模型应用于低剂量计算机断层扫描图像去噪任务，提高了低剂量图像的LPIPS和SSIM指标。它还显示出类似Consistency Model等模型的去噪效果。PFCT通过在CT图像去噪中的有效性，证明了其作为训练PFCM的有效方法，显示出与其他生成模型相当的结果。进一步的研究需要优化PFCT的精确参数，并探讨其在其他生成建模任务中的适用性。PFCT的框架为PFCM的创建方式提供了更多灵活性，可应用于生成模型领域。