検索
ホームページテクノロジー周辺機器AIロール! MIT ポアソン流生成モデルは、品質と速度の両方を考慮して拡散モデルを上回る

はじめに

拡散モデルはもともと物理学の熱力学から派生しましたが、最近では人工知能の分野でも注目を集めています。生成モデル研究の発展を促進できる他の物理理論は何ですか?最近、MIT の 研究者たちは高次元の電磁理論に触発され、ポアソン流 と呼ばれる生成モデルを提案しました。理論的には、このモデルは直感的なイメージと厳密な理論を備えていますが、実験的には、生成品質、生成速度、堅牢性の点で拡散モデルよりも優れていることがよくあります。この論文は NeurIPS 2022 に受理されました。

ロール! MIT ポアソン流生成モデルは、品質と速度の両方を考慮して拡散モデルを上回る

  • 論文アドレス: https://arxiv.org/abs/2209.11178
  • コードアドレス: https://github.com/Newbeeer/Poisson_flow

研究者らは、静電気力学に触発されて、ポアソン流モデルと呼ばれる新しい生成モデルを提案しました。 (Pオイソン FGジェネレーティブ Mオデル、または PFGM)。この研究では、直感的には、N 次元データ点を N 1 次元空間の新たな次元である z=0 平面上の正電荷の集合とみなすことができ、高次元空間に電場を生成します。 z=0 平面から開始し、生成する電力線に沿って外側に移動することで、研究ではサンプルを半球に到達させることができました (図 1 を参照)。これらの電力線の方向は、高次元空間におけるポアソン方程式の解の勾配に対応します。研究者らは、半球の半径が十分に大きい場合、電力線が z=0 平面上の電荷分布 (つまり、データ分布) を半球上の均一な分布に変換できることを証明しました (図 2)。

PFGM は、電力線の可逆性を利用して、z=0 平面上にデータ分布を生成します。まず、研究者は大きな半球上で均一にサンプルを採取し、次にサンプルをその分布に従わせます。電気力線 球から z=0 平面に移動してデータを生成します。電力線に沿った動きは常微分方程式 (ODE) で記述できるため、実際のサンプリングでは、研究者は電力線の方向によって決まる ODE を解くだけで済みます。 PFGM は電場を通じて、球上の単純な分布を複雑なデータ分布に変換します。この観点から、PFGM は連続的な正規化フロー (Normalizing Flow) と考えることができます。

画像生成実験では、PFGM は現在、標準データセット CIFAR-10 上で最もパフォーマンスの高い標準化フロー モデル を達成しており、 FID スコア (画質の尺度) は 2.35 を達成しました。研究者らは、画像の尤度を計算し、画像編集を実行し、高解像度の画像データセットにスケールする機能など、PFGM の他の用途も実証しました。さらに、研究者らは、PFGM には、最近人気の拡散モデルに比べて 3 つの利点があることを発見しました。 (1) 同じネットワーク構造上で、次のようなサンプル品質が生成されます。 PFGM の ODE は拡散モデルの ODE よりもはるかに優れています; (2) 拡散モデルによって生成される SDE (確率微分方程式) の品質は同等ですが、PFGM の ODE は 10 倍から 20 倍の加速に達します;

(3) PFGM は、表現力が弱いネットワーク構造に対する拡散モデルよりも堅牢です。

ロール! MIT ポアソン流生成モデルは、品質と速度の両方を考慮して拡散モデルを上回る

図 1: サンプル点は電界線に沿って移動します。上: データ分布はハートの形で、下: データは PFGM の形で分布


ロール! MIT ポアソン流生成モデルは、品質と速度の両方を考慮して拡散モデルを上回る##図 2: 左: 3 次元のポアソン場の軌跡、右: 画像上で PFGM を使用した順 ODE と逆 ODE

方法の概要

上記のプロセスでは、N 次元データが N 個の 1 次元 (余分な z 次元) 空間に埋め込まれることに注意してください。区別しやすくするために、研究者は x と ロール! MIT ポアソン流生成モデルは、品質と速度の両方を考慮して拡散モデルを上回る を使用して N 次元データと N 1 次元を表します。上記の高次元の電力線を得るには、次のポアソン方程式を解く必要があります。 ## は、z=0 が平面上に生成されるデータ分布、

## がポテンシャル関数であり、研究者のソリューションの目標です。電力線の方向のみがわかればよいため、研究者らは電力線の勾配 (ポテンシャル関数の勾配) の解析形式を導き出しました。 ロール! MIT ポアソン流生成モデルは、品質と速度の両方を考慮して拡散モデルを上回る

ロール! MIT ポアソン流生成モデルは、品質と速度の両方を考慮して拡散モデルを上回る 電場 線の軌跡 (図 2 を参照) は、次の ODE で記述できます。次の定理により、研究者らは上記の ODE 定義を証明しました。これは、高次元半球上の一様分布と z=0 平面上のデータ分布の全単射を表します。この結論は、図 1 および 2 の直観と同じです。つまり、データ分布は電力線を通じて復元できるということです。 ロール! MIT ポアソン流生成モデルは、品質と速度の両方を考慮して拡散モデルを上回る

ロール! MIT ポアソン流生成モデルは、品質と速度の両方を考慮して拡散モデルを上回る

PFGM のトレーニング

与えられたデータ分布 サンプリングされたデータセット ロール! MIT ポアソン流生成モデルは、品質と速度の両方を考慮して拡散モデルを上回る

が得られました。研究者らは、データ セットに対応する電力線の勾配を使用して、データ分布に対応する電力線の勾配を近似しました:

ロール! MIT ポアソン流生成モデルは、品質と速度の両方を考慮して拡散モデルを上回る

電気力線の傾きが学習対象となります。この研究では、perturb 関数を使用して空間内の点を選択し、二乗損失関数を使用してニューラル ネットワーク

# が正規化された電界線勾配

を学習できるようにします。 、具体的なアルゴリズムは次のとおりです。 ロール! MIT ポアソン流生成モデルは、品質と速度の両方を考慮して拡散モデルを上回る

ロール! MIT ポアソン流生成モデルは、品質と速度の両方を考慮して拡散モデルを上回る

PFGM ## のサンプリング#正規化を学習して空間内の正規化された電界線勾配を学習した後、ロール! MIT ポアソン流生成モデルは、品質と速度の両方を考慮して拡散モデルを上回るロール! MIT ポアソン流生成モデルは、品質と速度の両方を考慮して拡散モデルを上回る 次の ODE を通じてデータ分布をサンプリングできます:

この ODE は、z を小さくすることによって、サンプルを電力線に沿って大きな球から z=0 平面まで徐々に移動させます。さらに、この研究では、ODE シミュレーションを容易にし、変数置換を通じてサンプリングをさらに加速するために、大きな球上の均一分布を特定の Z 平面に投影することを提案しています。具体的な手順については、この記事のセクション 3.3 を参照してください。

実験結果

表 1 では、この研究では標準データセット CIFAR-10 を使用してさまざまなモデルを評価しています。このデータセットでは、PFGM が最もパフォーマンスの高い可逆正規化フロー モデル であり、FID スコア 2.35 を達成しています。 PFGM は、同じネットワーク構造 (DDPM /DDPM ディープ) を使用する拡散モデルよりも優れたパフォーマンスを発揮します。研究者らはまた、拡散モデルの SDE (確率微分方程式) 生成品質は同等であったが、PFGM は 10 倍から 20 倍の加速を達成し、生成品質と速度のバランスがより優れていることも観察しました。さらに、研究者らは、PFGM が表現力の低いネットワーク構造上の拡散モデルよりも堅牢であり、高次元データセット上の同じ条件下での拡散モデルよりも優れていることを発見しました。詳細については、記事の実験セクションを参照してください。図 3 は、PFGM が画像を生成するプロセスを視覚化した研究です。

ロール! MIT ポアソン流生成モデルは、品質と速度の両方を考慮して拡散モデルを上回る

表 1: CIFAR-10 データのサンプル品質 (FID、インセプション) とサンプリング ステップ数 (NFE) ################################################ #形3: CIFAR-10、CelebA 64x64、LSUN ベッドルーム 256x256 での PFGM のサンプリング プロセス

ロール! MIT ポアソン流生成モデルは、品質と速度の両方を考慮して拡散モデルを上回る結論


この研究は、ポアソンベースの生成モデル PFGM を提案しました。式のこのモデルは、N 1 次元の拡張空間における正規化された電力線の勾配を予測し、電力線の対応する ODE によってサンプリングされます。実験では、本研究で検討したモデルが現時点で最も標準化された流れモデルであり、同じネットワーク構造上で拡散モデルよりも優れた発電効果と高速なサンプリング速度を達成した。 PFGM のサンプリング プロセスはノイズに対してより堅牢であり、より高次元のデータ セットにも拡張できます。研究者らは、PFGM が分子生成や 3D データ生成などの他の応用分野でも優れたパフォーマンスを発揮すると期待しています。

以上がロール! MIT ポアソン流生成モデルは、品質と速度の両方を考慮して拡散モデルを上回るの詳細内容です。詳細については、PHP 中国語 Web サイトの他の関連記事を参照してください。

声明
この記事は51CTO.COMで複製されています。侵害がある場合は、admin@php.cn までご連絡ください。
从VAE到扩散模型:一文解读以文生图新范式从VAE到扩散模型:一文解读以文生图新范式Apr 08, 2023 pm 08:41 PM

1 前言在发布DALL·E的15个月后,OpenAI在今年春天带了续作DALL·E 2,以其更加惊艳的效果和丰富的可玩性迅速占领了各大AI社区的头条。近年来,随着生成对抗网络(GAN)、变分自编码器(VAE)、扩散模型(Diffusion models)的出现,深度学习已向世人展现其强大的图像生成能力;加上GPT-3、BERT等NLP模型的成功,人类正逐步打破文本和图像的信息界限。在DALL·E 2中,只需输入简单的文本(prompt),它就可以生成多张1024*1024的高清图像。这些图像甚至

普林斯顿陈丹琦:如何让「大模型」变小普林斯顿陈丹琦:如何让「大模型」变小Apr 08, 2023 pm 04:01 PM

“Making large models smaller”这是很多语言模型研究人员的学术追求,针对大模型昂贵的环境和训练成本,陈丹琦在智源大会青源学术年会上做了题为“Making large models smaller”的特邀报告。报告中重点提及了基于记忆增强的TRIME算法和基于粗细粒度联合剪枝和逐层蒸馏的CofiPruning算法。前者能够在不改变模型结构的基础上兼顾语言模型困惑度和检索速度方面的优势;而后者可以在保证下游任务准确度的同时实现更快的处理速度,具有更小的模型结构。陈丹琦 普

找不到中文语音预训练模型?中文版 Wav2vec 2.0和HuBERT来了找不到中文语音预训练模型?中文版 Wav2vec 2.0和HuBERT来了Apr 08, 2023 pm 06:21 PM

Wav2vec 2.0 [1],HuBERT [2] 和 WavLM [3] 等语音预训练模型,通过在多达上万小时的无标注语音数据(如 Libri-light )上的自监督学习,显著提升了自动语音识别(Automatic Speech Recognition, ASR),语音合成(Text-to-speech, TTS)和语音转换(Voice Conversation,VC)等语音下游任务的性能。然而这些模型都没有公开的中文版本,不便于应用在中文语音研究场景。 WenetSpeech [4] 是

解锁CNN和Transformer正确结合方法,字节跳动提出有效的下一代视觉Transformer解锁CNN和Transformer正确结合方法,字节跳动提出有效的下一代视觉TransformerApr 09, 2023 pm 02:01 PM

由于复杂的注意力机制和模型设计,大多数现有的视觉 Transformer(ViT)在现实的工业部署场景中不能像卷积神经网络(CNN)那样高效地执行。这就带来了一个问题:视觉神经网络能否像 CNN 一样快速推断并像 ViT 一样强大?近期一些工作试图设计 CNN-Transformer 混合架构来解决这个问题,但这些工作的整体性能远不能令人满意。基于此,来自字节跳动的研究者提出了一种能在现实工业场景中有效部署的下一代视觉 Transformer——Next-ViT。从延迟 / 准确性权衡的角度看,

Stable Diffusion XL 现已推出—有什么新功能,你知道吗?Stable Diffusion XL 现已推出—有什么新功能,你知道吗?Apr 07, 2023 pm 11:21 PM

3月27号,Stability AI的创始人兼首席执行官Emad Mostaque在一条推文中宣布,Stable Diffusion XL 现已可用于公开测试。以下是一些事项:“XL”不是这个新的AI模型的官方名称。一旦发布稳定性AI公司的官方公告,名称将会更改。与先前版本相比,图像质量有所提高与先前版本相比,图像生成速度大大加快。示例图像让我们看看新旧AI模型在结果上的差异。Prompt: Luxury sports car with aerodynamic curves, shot in a

五年后AI所需算力超100万倍!十二家机构联合发表88页长文:「智能计算」是解药五年后AI所需算力超100万倍!十二家机构联合发表88页长文:「智能计算」是解药Apr 09, 2023 pm 07:01 PM

人工智能就是一个「拼财力」的行业,如果没有高性能计算设备,别说开发基础模型,就连微调模型都做不到。但如果只靠拼硬件,单靠当前计算性能的发展速度,迟早有一天无法满足日益膨胀的需求,所以还需要配套的软件来协调统筹计算能力,这时候就需要用到「智能计算」技术。最近,来自之江实验室、中国工程院、国防科技大学、浙江大学等多达十二个国内外研究机构共同发表了一篇论文,首次对智能计算领域进行了全面的调研,涵盖了理论基础、智能与计算的技术融合、重要应用、挑战和未来前景。论文链接:​https://spj.scien

​什么是Transformer机器学习模型?​什么是Transformer机器学习模型?Apr 08, 2023 pm 06:31 PM

译者 | 李睿审校 | 孙淑娟​近年来, Transformer 机器学习模型已经成为深度学习和深度神经网络技术进步的主要亮点之一。它主要用于自然语言处理中的高级应用。谷歌正在使用它来增强其搜索引擎结果。OpenAI 使用 Transformer 创建了著名的 GPT-2和 GPT-3模型。自从2017年首次亮相以来,Transformer 架构不断发展并扩展到多种不同的变体,从语言任务扩展到其他领域。它们已被用于时间序列预测。它们是 DeepMind 的蛋白质结构预测模型 AlphaFold

AI模型告诉你,为啥巴西最可能在今年夺冠!曾精准预测前两届冠军AI模型告诉你,为啥巴西最可能在今年夺冠!曾精准预测前两届冠军Apr 09, 2023 pm 01:51 PM

说起2010年南非世界杯的最大网红,一定非「章鱼保罗」莫属!这只位于德国海洋生物中心的神奇章鱼,不仅成功预测了德国队全部七场比赛的结果,还顺利地选出了最终的总冠军西班牙队。不幸的是,保罗已经永远地离开了我们,但它的「遗产」却在人们预测足球比赛结果的尝试中持续存在。在艾伦图灵研究所(The Alan Turing Institute),随着2022年卡塔尔世界杯的持续进行,三位研究员Nick Barlow、Jack Roberts和Ryan Chan决定用一种AI算法预测今年的冠军归属。预测模型图

See all articles

ホットAIツール

Undresser.AI Undress

Undresser.AI Undress

リアルなヌード写真を作成する AI 搭載アプリ

AI Clothes Remover

AI Clothes Remover

写真から衣服を削除するオンライン AI ツール。

Undress AI Tool

Undress AI Tool

脱衣画像を無料で

Clothoff.io

Clothoff.io

AI衣類リムーバー

AI Hentai Generator

AI Hentai Generator

AIヘンタイを無料で生成します。

ホットツール

Safe Exam Browser

Safe Exam Browser

Safe Exam Browser は、オンライン試験を安全に受験するための安全なブラウザ環境です。このソフトウェアは、あらゆるコンピュータを安全なワークステーションに変えます。あらゆるユーティリティへのアクセスを制御し、学生が無許可のリソースを使用するのを防ぎます。

DVWA

DVWA

Damn Vulnerable Web App (DVWA) は、非常に脆弱な PHP/MySQL Web アプリケーションです。その主な目的は、セキュリティ専門家が法的環境でスキルとツールをテストするのに役立ち、Web 開発者が Web アプリケーションを保護するプロセスをより深く理解できるようにし、教師/生徒が教室環境で Web アプリケーションを教え/学習できるようにすることです。安全。 DVWA の目標は、シンプルでわかりやすいインターフェイスを通じて、さまざまな難易度で最も一般的な Web 脆弱性のいくつかを実践することです。このソフトウェアは、

SublimeText3 英語版

SublimeText3 英語版

推奨: Win バージョン、コードプロンプトをサポート!

EditPlus 中国語クラック版

EditPlus 中国語クラック版

サイズが小さく、構文の強調表示、コード プロンプト機能はサポートされていません

SublimeText3 Linux 新バージョン

SublimeText3 Linux 新バージョン

SublimeText3 Linux 最新バージョン