Blurring Diffusion Models

要約

最近、Rissanen et al., (2022) は、等方性ガウス拡散の代替として、熱放散またはぼかしに基づく生成モデリングのための新しいタイプの拡散プロセスを提示しました。
ここでは、非等方性ノイズを使用したガウス拡散プロセスによって、ぼかしを同等に定義できることを示します。
この接続を行う際に、逆熱放散とノイズ除去拡散の間のギャップを埋め、このモデリングの選択から生じる誘導バイアスに光を当てます。
最後に、標準的なガウス ノイズ除去拡散と逆熱放散の両方の長所を提供する、拡散モデルの一般化されたクラスを提案します。これは、ぼかし拡散モデルと呼ばれます。

要約(オリジナル)

Recently, Rissanen et al., (2022) have presented a new type of diffusion process for generative modeling based on heat dissipation, or blurring, as an alternative to isotropic Gaussian diffusion. Here, we show that blurring can equivalently be defined through a Gaussian diffusion process with non-isotropic noise. In making this connection, we bridge the gap between inverse heat dissipation and denoising diffusion, and we shed light on the inductive bias that results from this modeling choice. Finally, we propose a generalized class of diffusion models that offers the best of both standard Gaussian denoising diffusion and inverse heat dissipation, which we call Blurring Diffusion Models.

arxiv情報

著者 Emiel Hoogeboom,Tim Salimans
発行日 2022-09-23 14:38:00+00:00
arxivサイト arxiv_id(pdf)

提供元, 利用サービス

arxiv.jp, Google

カテゴリー: cs.CV, cs.LG, stat.ML パーマリンク