Sparse Conditional Diffusion Alignment for Reconstruction and Statistical Alignment under Sparse Observations

Liu, Huaiyu

doi:10.1142/s0218001426400100

Sparse Conditional Diffusion Alignment for Reconstruction and Statistical Alignment under Sparse Observations

2026-05-01

0

PRE

AI

DOI：10.1142/s0218001426400100

原文链接

原文求助

摘要

En 中文

稀疏和不完整的观测数据通常为生成模型带来显著挑战，特别是在高维统计应用中。我们提出了稀疏条件扩散对齐（SCDA）框架，通过整合稀疏感知机制和显式统计对齐约束，专门解决现有条件扩散和稀疏重构方法的局限性。与以往方法不同，SCDA在稀疏观测条件下联合建模条件生成，同时强制分布一致性。SCDA能够准确重构缺失或未观测数据，同时保持与观测分布的统计一致性。通过引入自适应稀疏掩码和跨分布对齐，该方法在变化稀疏水平下实现稳健生成。在公开的真实稀疏数据集上的广泛实验表明，SCDA在重构保真度和分布对齐方面均优于现有条件扩散方法，为稀疏观测下的统计推断和高维数据分析提供了可靠工具。

Keyword:

Sparse observations

conditional diffusion models

statistical alignment

data reconstruction

Sparse Conditional Diffusion Alignment for Reconstruction and Statistical Alignment under Sparse Observations

摘要

期刊

机构

引用论文