NeurIPS 2024 | 从分类到生成：斯坦福、北大等提出无训练的可控扩散生成

文章预览

©作者 |  叶皓天 单位 |  斯坦福大学博士生 来源 |  机器之心 近年来，扩散模型（Diffusion Models）已成为生成模型领域的研究前沿，它们在图像生成、视频生成、分子设计、音频生成等众多领域展现出强大的能力。然而，生成符合特定条件（如标签、属性或能量分布）的样本，通常需要为每个目标训练专门的生成模型，这种方法不仅耗费资源，还严重制约了扩散模型作为未来基座模型实际应用潜力。  为了解决这一难题，斯坦福大学、北京大学、清华大学等机构的研究团队联合提出了一种全新的统一算法框架，名为 无训练指导（Training-Free Guidance, 简称 TFG） 。这一框架无缝整合现有的无训练指导方法，凭借理论创新和大规模实验验证，成为扩散模型条件生成领域的重要里程碑，目前已经被 NeurIPS 2024 接收为 Spotlight。 论文题目： TFG: Unified Training-Free ………………………………