扩散生成模型遇上压缩感知：面向影像与金融的应用
计算机视觉与模式识别
2025-09-15 v2 计算与语言
摘要
在本研究中，我们开发了一种维度压缩技术，以加速合成数据生成中的扩散模型推理。方法思想是将压缩感知集成到扩散模型中（即 CSDM）：首先，将数据集压缩到潜空间（从环境空间），在潜空间中训练扩散模型；其次，对潜空间中生成的样本应用压缩感知算法进行解码以恢复到原始空间；目标是提高模型训练和推理的效率。在某些数据稀疏性假设下，我们提出的方法可通过将扩散模型推理与稀疏恢复相结合，实现可证明的更快收敛。我们也为选择最佳潜空间维度提供了见解。为了说明该方法的有效性，我们在包括手写数字、医疗影像和气候图像，以及金融时间序列等数据集上进行数值实验。
引用
@article{arxiv.2509.03897,
title = {SPECS: Specificity-Enhanced CLIP-Score for Long Image Caption Evaluation},
author = {Xiaofu Chen and Israfel Salazar and Yova Kementchedjhieva},
journal= {arXiv preprint arXiv:2509.03897},
year = {2025}
}