专栏名称: 专知
专知,为人工智能从业者服务,提供专业可信的人工智能知识与技术服务,让认知协作更快更好!
今天看啥  ›  专栏  ›  专知

训练扩散模型比你想象的更简单!谢赛宁老师:Representation matters!

专知  · 公众号  ·  · 2024-10-26 12:00
    

文章预览

作者丨科技猛兽 编辑丨极市平台 极市导读   表征的对齐真的很重要!之前我们训练扩散模型的路可能是错误的。 本文目录 1 Representation Alignment:扩散模型与自监督方法的表征 "对齐" (来自 KAIST,Korea University,Scaled Foundations,New York University) 1 REPA 论文解读 1.1 REPA 研究背景 1.2 DDPM 和 Flow-based Model 简介 1.3 本文观点总结 1.4 REPA 的三点观察 太长不看版 训练扩散模型可能比你想象的更简单。 纽约大学谢赛宁老师团队最近的工作提出: 当我们训练扩散模型时,把 扩散模型与自监督方法的表征"对齐" (Representation Alignment) ,使得扩散模型的训练比你想象的还简单。 因为最近有些研究表明:扩散模型中包含的 (生成式) 去噪过程,可以诱导得到一些 (判别式) 的特征。虽然这些判别式的表征的质量落后于自监督学习 (DINO v2) 得到的表征。 图1:在生成模型和表 ………………………………

原文地址:访问原文地址
快照地址: 访问文章快照
总结与预览地址:访问总结与预览