SPI-GAN：具有直线路径插值的去噪扩散 GAN
机器学习
2024-03-15 v3 人工智能
摘要
基于分数的生成模型（SGMs）展现出最先进的采样质量与多样性。然而，由于其高度复杂的前向/反向过程，其训练/采样复杂度众所周知地高，故不适用于资源受限场景。为解决此问题，学习更简单的过程正受到广泛关注。我们提出一种增强的基于 GAN 的去噪方法，称为 SPI-GAN，使用我们提出的直线路径插值定义。为此，我们提出一种 GAN 架构：i) 通过直线路径去噪，ii) 以连续映射神经网络刻画以模仿去噪路径。该方法在取得与 SGMs 同样高的采样质量与多样性的同时，大幅减少采样时间。结果表明，在 CIFAR-10 与 CelebA-HQ-256 上，SPI-GAN 是采样质量、多样性与时间之间最均衡的模型之一。
引用
@article{arxiv.2206.14464,
title = {SPI-GAN: Denoising Diffusion GANs with Straight-Path Interpolations},
author = {Jinsung Jeon and Noseong Park},
journal= {arXiv preprint arXiv:2206.14464},
year = {2024}
}
备注
Accepted at ICLR 2024 Practical ML for Developing Countries Workshop (PML4DC)