Core Concepts
DPMの特定のデノイジング戦略が、大きな数の拡散ステップにおいて平均二乗誤差(MSE)最適条件付き平均推定値(CME)へ漸近収束することを厳密に証明した。
Abstract
拡散確率モデル(DPM)は、デノイジングタスクにおいて非常に優れた潜在能力を示しています。しかし、その理論的理解にはまだ大きなギャップがあります。本論文では、特定のDPMデノイジング戦略がトレーニング手順を共有しながらも、逆推論プロセスで条件付き平均のみを送信することで区別されることを強調しました。また、DPMはアシンプトティックに最適なデノイザーから構成される一方で、リサンプリングをオンとオフに切り替えることで強力な生成器を継承している点も指摘しました。数値結果によって理論的な発見が検証されました。
Stats
lim T →∞ E[x|y] − f (T ) θ (y) = 0.
E[x0|xˆt] = E[f CME 1 (x1)|x2]
SNRDPM(t) = ¯αt / (1 - ¯αt)
Quotes
"DPMはアシンプトティックに最適なデノイザーから構成される一方で、リサンプリングをオンとオフに切り替えることで強力な生成器を継承している。"
"特定のDPMデノイジング戦略がトレーニング手順を共有しながらも、逆推論プロセスで条件付き平均のみを送信することで区別される。"
"数値結果によって理論的な発見が検証されました。"