基于扩散路由器的通用多域翻译

多域翻译（Multi-domain Translation, MDT）旨在学习多个域之间的翻译，但现有方法要么需要完全对齐的元组，要么只能处理训练中看到的域配对，限制了其实用性并排除了许多跨域映射。我们引入通用MDT（UMDT），即MDT的一种泛化形式，旨在仅使用包含中心域的K-1个配对数据集即可在任意K个域之间进行翻译。为解决此问题，我们提出了扩散路由器（Diffusion Router, DR），一个统一的基于扩散的框架，模型化所有中心$\leftrightarrow$非中心翻译，条件于源和目标域标签。DR通过在中心域进行路由，实现间接的非中心翻译。我们进一步引入一种新颖的可扩展学习策略，采用变分下界目标和高效的Tweedie细化程序，以支持直接的非中心映射。通过在三个大规模UMDT基准上的评估，DR在间接和直接翻译方面均实现了最先进的效果，同时降低了采样成本，解锁了诸如素描$\leftrightarrow$分割等新任务。这些结果表明DR是一种可扩展且通用的跨多域翻译框架。