Interpretable ODE-style Generative Diffusion Model via Force Field Construction

要約

タイトル：力場構築による解釈可能なODEスタイルの生成拡散モデル

要約：
-研究者たちは、生成拡散モデルと数学物理学の深い関係を構築する方法を長い時間かけて開発してきました。
-これまでの努力にもかかわらず、進展が限定的であり、1つの専門的な方法の追求にとどまっています。
-拡散モデルの解釈性を高め、新しい研究方向を探索するには、統一されたODEスタイルの生成拡散モデルを確立することが不可欠です。
-この論文では、数学的観点から正確なODEスタイルの生成拡散モデルを構築するために適した様々な物理モデルを確認し、それらを統合的な方法にまとめます。
-さらに、理論モデルを用いて新たな拡散モデルを開発し、CIFAR-10における実験を行います。
-実験結果は、高速な画像生成速度とInception scoreとFID scoreの両方において優れた性能を示すモデルを含めて、非常に優秀です。
-これらの結果は、我々の方法が拡散モデルの分野を前進させる意義を裏付けています。

要約(オリジナル)

For a considerable time, researchers have focused on developing a method that establishes a deep connection between the generative diffusion model and mathematical physics. Despite previous efforts, progress has been limited to the pursuit of a single specialized method. In order to advance the interpretability of diffusion models and explore new research directions, it is essential to establish a unified ODE-style generative diffusion model. Such a model should draw inspiration from physical models and possess a clear geometric meaning. This paper aims to identify various physical models that are suitable for constructing ODE-style generative diffusion models accurately from a mathematical perspective. We then summarize these models into a unified method. Additionally, we perform a case study where we use the theoretical model identified by our method to develop a range of new diffusion model methods, and conduct experiments. Our experiments on CIFAR-10 demonstrate the effectiveness of our approach. We have constructed a computational framework that attains highly proficient results with regards to image generation speed, alongside an additional model that demonstrates exceptional performance in both Inception score and FID score. These results underscore the significance of our method in advancing the field of diffusion models.

arxiv情報

提供元, 利用サービス

arxiv.jp, OpenAI