TopoDiffusionNet：一种拓扑感知的扩散模型
计算机视觉与模式识别
2025-03-24 v2
摘要
扩散模型在生成视觉上令人印象深刻的图像方面表现出色，但通常难以生成具有指定拓扑结构的图像。贝蒂数作为图像中结构数量的度量，是拓扑学中的一个基本量。然而，扩散模型甚至无法满足这一基本约束。这一局限性限制了它们在需要精确控制的应用中的实用性，例如机器人技术和环境建模。为了解决这个问题，我们提出了TopoDiffusionNet (TDN)，一种强制扩散模型维持所需拓扑结构的新方法。我们利用拓扑数据分析工具，特别是持续同调，来提取图像内的拓扑结构。然后，我们设计了一个基于拓扑的目标函数来引导去噪过程，保留预期结构的同时抑制噪声结构。我们在四个数据集上的实验表明，拓扑准确性得到了显著提升。TDN是首个将拓扑与扩散模型相结合的工作，为该领域开辟了新的研究方向。代码可在https://github.com/Saumya-Gupta-26/TopoDiffusionNet获取。
引用
@article{arxiv.2410.16646,
title = {TopoDiffusionNet: A Topology-aware Diffusion Model},
author = {Saumya Gupta and Dimitris Samaras and Chao Chen},
journal= {arXiv preprint arXiv:2410.16646},
year = {2025}
}
备注
Accepted to ICLR 2025 (Poster)