本論文では、強対数凸データ分布と Lipschitz 連続な関数クラスを仮定した場合の拡散ベースの生成モデルの収束挙動に関する完全な理論的保証を提供する。
まず、ガウス分布のサンプリングという動機付けの例を示す。この例では、スコア近似問題に関する明示的な推定を提供し、それを対応するサンプリング推定と組み合わせることで、主要な量に関する最良の既知の上界推定を得る。
さらに、より一般的な設定では、既知の情報のみを使用する新しい補助プロセスを導入することで、ストキャスティック最適化に関する期待値に基づいた L2 正確なスコア推定を可能にする。この手法により、サンプリングアルゴリズムの最良の既知の収束率を得る。
全体として、本論文は拡散ベースの生成モデルの理論的な理解を深める重要な貢献である。特に、最適化と標本化手順の組み合わせに起因する分析の難しさに取り組んでいる。
toiselle kielelle
lähdeaineistosta
arxiv.org
Syvällisempiä Kysymyksiä