arrow
返回

Loss Functions in Diffusion Models: A Comparative Study

delete2026-01-01
delete0
PRE
AI
K
Kumar, Dibyanshu *
P
Philipp Väth
M
Magda Gregorová
DOI:10.1007/978-3-032-05981-9_12delete
delete原文链接
delete原文求助
delete分享
delete收藏
摘要

摘要

En 中文
扩散模型已成为强大的生成模型,激发了对其底层机制的广泛研究。该领域的一个关键问题是这些模型应使用何种损失函数。过去几年中,文献中引入了多种表述[4, 7,11,13],它们之间存在某些联系和一些源于不同初始考虑的关键差异。本文详细探讨了不同的目标目标和相应的损失函数。我们对其关系进行了系统综述,并将它们统一在变分下界目标框架下。我们通过一项经验研究补充了这一理论分析,提供了关于这些目标在何种条件下性能产生差异以及导致此类偏差的潜在因素的见解。此外,我们评估了目标选择如何影响模型实现特定目标(如生成高质量样本或准确估计似然)的能力。本研究为扩散模型中的损失函数提供了统一理解,为未来研究中的更高效和目标导向的模型设计做出贡献。
Keyword:
Diffusion Model
Loss Functions
Generative Modeling

期刊

M
MACHINE LEARNING AND KNOWLEDGE DISCOVERY IN DATABASES. RESEARCH TRACK, ECML PKDD 2025, PT II
IF:
0
论文数:
28
被引数:
0

机构

暂无机构信息
引用论文

引用论文

Perception Prioritized Training of Diffusion Models
err2022-06-01
err0
errOAAI
errJooyoung Choi; Jungbeom Lee; Chaehun Shin; Sungwon Kim; Hyunwoo Kim; Sungroh Yoon
err分享
err收藏
An Introduction to Variational Autoencoders
err
IF0
err2019-01-01
err0
errOAAI
errDiederik P. Kingma; Max Welling
err分享
err收藏
Efficient Diffusion Training via Min-SNR Weighting Strategy
err2023-10-01
err0
errOAAI
errTiankai Hang; Shuyang Gu; Chen Li; Jianmin Bao; Dong Chen; Han Hu; Xin Geng; Baining Guo
err分享
err收藏
没有更多内容