何愷明謝賽寧團隊步步解構擴散模型，最后竟成經典去噪自編碼器

AIGC動態歡迎閱讀

原標題：何愷明謝賽寧團隊步步解構擴散模型，最后竟成經典去噪自編碼器
關鍵字：噪聲,模型,表征,編碼器,圖像
文章來源：機器之心
內容字數：11726字

內容摘要：

機器之心報道
編輯：Panda去噪擴散模型（DDM）是當前圖像生成技術的一大主流方法。近日，Xinlei Chen、Zhuang Liu、謝賽寧與何愷明四人團隊對 DDM 進行了解構研究 —— 通過層層剝離其組件，DDM 的生成能力不斷下降，但其表征學習能力卻能得到一定的維持。這表明 DDM 的某些組件可能對表征學習作用不大。
對于當前計算機視覺等領域的生成模型，去噪是一種核心方法。這類方法常被稱為去噪擴散模型（DDM）—— 它們會學習一個去噪自動編碼器（DAE），其能通過一個擴散過程移除多個層級的噪聲。
這些方法實現了出色的圖像生成質量，尤其適合生成高分辨率、類似照片的仿真實圖像。事實上，這些生成模型的表現如此之好，以至于看起來它們就好像具有強大的識別表征，可以理解這些視覺內容。
盡管 DAE 是當今生成模型的中流砥柱，但提出這種方法的最早論文《Extracting and composing robust features with denoising autoencoders》卻是為了以監督式方法從數據學習表征。
在當今的表征學習社區，可以說 DAE 最成功的變體都是基于「掩碼噪

原文鏈接：何愷明謝賽寧團隊步步解構擴散模型，最后竟成經典去噪自編碼器

聯系作者

文章來源：機器之心
作者微信：almosthuman2014
作者簡介：專業的人工智能媒體和產業服務平臺