正则化可使扩散模型更高效
机器学习
2025-09-26 v2 统计理论
机器学习
统计理论
摘要
扩散模型是生成式 AI 的关键架构之一，其主要劣势是计算成本高昂。本研究表明，统计学中众所周知的稀疏性概念可为更高效的扩散管线提供一条途径。我们的数学保证证明了稀疏性可以将输入维度对计算复杂度的影响降低到数据内在维度的影响水平。我们的实证发现进一步确认了诱导稀疏性确实可以在更低成本下获得更好的样本。
引用
@article{arxiv.2502.09151,
title = {Regularization can make diffusion models more efficient},
author = {Mahsa Taheri and Johannes Lederer},
journal= {arXiv preprint arXiv:2502.09151},
year = {2025}
}