各向异性扩散时间表的变分轨迹优化
机器学习
2026-02-24 v1 计算机视觉与模式识别
摘要
我们提出了一种基于变分框架的扩散模型，其中各向异性噪声时间表由矩阵值路径 参数化，用于在子空间之间分配噪声。我们框架的核心是一种轨迹级目标函数，联合训练评分网络并学习 ，其中包含了矩阵值噪声时间表的广泛参数化类。我们进一步推导了关于 的评分导数估计器，实现了对 时间表的高效优化。对于推断，我们开发了一个可高效实现的逆 ODE 求解器，是二阶 Heun 离散化算法的各向异性推广。在 CIFAR-10、AFHQv2、FFHQ 和 ImageNet-64 上，我们的方法在所有 NFE 区间始终优于基线 EDM 模型。代码已公开于 https://github.com/lizeyu090312/anisotropic-diffusion-paper。
引用
@article{arxiv.2602.19512,
title = {Variational Trajectory Optimization of Anisotropic Diffusion Schedules},
author = {Pengxi Liu and Zeyu Michael Li and Xiang Cheng},
journal= {arXiv preprint arXiv:2602.19512},
year = {2026}
}