将GAN与基于分数的扩散模型统一为生成粒子模型
机器学习
2023-12-22 v3 计算机视觉与模式识别
神经与进化计算
机器学习
摘要
基于粒子的深度生成模型，如梯度流和基于分数的扩散模型，近年来因其卓越性能而受到关注。它们利用微分方程位移粒子分布的原理，传统上被视为与先前广泛使用的生成对抗网络（GAN）相对立，后者涉及训练一个前推生成器网络。在本文中，我们挑战这一解释，并提出一个新框架，通过将生成器训练视为粒子模型的推广，统一了粒子与对抗生成模型。这表明生成器是此类任何生成模型的可选附加组件。因此，将生成器集成到基于分数的扩散模型中，以及训练无生成器的GAN，自然地从我们的框架中涌现。我们凭经验测试了这些原创模型作为我们框架潜在应用概念验证的可行性。
引用
@article{arxiv.2305.16150,
title = {Unifying GANs and Score-Based Diffusion as Generative Particle Models},
author = {Jean-Yves Franceschi and Mike Gartrell and Ludovic Dos Santos and Thibaut Issenhuth and Emmanuel de Bézenac and Mickaël Chen and Alain Rakotomamonjy},
journal= {arXiv preprint arXiv:2305.16150},
year = {2023}
}