基于条件依赖耦合的随机插值
计算机视觉与模式识别
2025-09-30 v1
摘要
现有图像生成模型在计算与保真度之间的权衡方面面临关键挑战。具体而言，依赖于预训练变分自编码器 (VAE) 的模型存在信息损失、细节有限以及无法进行端到端训练的问题。相比之下，直接 operate 在像素空间的模型计算成本 prohibitive。虽然级联模型可以缓解计算成本，但阶段间的分离阻碍了有效的端到端优化，削弱了知识共享，并常导致每个阶段分布学习不准确。为此，我们提出一种基于所提出条件依赖耦合策略的统一多阶段生成框架。它将生成过程分解为多个阶段的插值轨迹，确保准确的分布学习，同时实现端到端优化。重要的是，整个过程被建模为单一的统一扩散转换器，无需离散模块，同时实现知识共享。广泛的实验表明，我们的方法在多个分辨率上实现了高保真度和高效性。
引用
@article{arxiv.2509.23122,
title = {Stochastic Interpolants via Conditional Dependent Coupling},
author = {Chenrui Ma and Xi Xiao and Tianyang Wang and Xiao Wang and Yanning Shen},
journal= {arXiv preprint arXiv:2509.23122},
year = {2025}
}