Re8 Generative Modeling by Estimating Gradients of the Data Distribution

本文主要是介绍Re8 Generative Modeling by Estimating Gradients of the Data Distribution，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

• 宋扬博士的作品，和DDPM同属扩散模型开创工作，但二者的技术路线不同

Introduction

• 当前生成模型主要分成两类

基于似然模型

通过近似最大似然直接学习分布的概率密度，如VAE

隐式生成模型

概率分布由其抽样过程的模型隐式表示，如GAN

GAN隐式表示了生成器网络可以产生的所有对象的分布。

• 二者的局限：基于似然的模型需要对模型架构进行严格限制，以确保似然计算的可处理性；而隐式生成模型则不稳定，容易崩溃。

基于分数的模型

Conclusion

提出基于分数的模型框架，首先通过分数匹配估计数据密度的梯度，然后通过朗之万动力学生成样本，并提出通过训练噪声条件分数网络，并能生成高质量的图像。

参考资料

1. Generative Modeling by Estimating Gradients of the Data Distribution

这篇关于Re8 Generative Modeling by Estimating Gradients of the Data Distribution的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！

---