cari
RumahPeranti teknologiAIgulung! Model penjanaan aliran MIT Poisson mengalahkan model resapan, dengan mengambil kira kualiti dan kelajuan

Pengenalan

Model resapan pada asalnya berasal daripada termodinamik dalam fizik, tetapi baru-baru ini ia telah menjadi popular dalam bidang kecerdasan buatan. Apakah teori fizikal lain yang boleh menggalakkan pembangunan penyelidikan model generatif? Baru-baru ini, penyelidik dari MIT telah diilhamkan oleh teori elektromagnet berdimensi tinggi dan mencadangkan model generatif yang dipanggil Poisson Flow. Secara teorinya, model ini mempunyai imej intuitif dan teori yang ketat secara eksperimen, selalunya lebih baik daripada model resapan dari segi kualiti penjanaan, kelajuan penjanaan dan keteguhan. Artikel ini telah diterima oleh NeurIPS 2022.

gulung! Model penjanaan aliran MIT Poisson mengalahkan model resapan, dengan mengambil kira kualiti dan kelajuan

  • Alamat kertas: https://arxiv.org/abs/2209.11178
  • Alamat kod: https://github.com/Newbeeer/Poisson_flow

Diinspirasikan oleh mekanik elektrostatik, para penyelidik mencadangkan model generatif baharu bernama Aliran Poisson model (Poisson Frendah Generatif Model, atau PFGM) . Secara intuitif, penyelidikan ini boleh menganggap titik data N-dimensi sebagai sekumpulan cas positif pada satah z=0, dimensi baharu dalam ruang dimensi N+1 Mereka menjana medan elektrik dalam ruang dimensi tinggi. Bermula dari satah z=0 dan bergerak ke luar di sepanjang garis medan elektrik yang mereka hasilkan, kajian itu dapat menghantar sampel ke hemisfera (seperti ditunjukkan dalam Rajah 1). Arah garisan medan elektrik ini sepadan dengan kecerunan penyelesaian kepada Persamaan Poisson dalam ruang dimensi tinggi. Para penyelidik membuktikan bahawa apabila jejari hemisfera cukup besar, garisan medan elektrik boleh mengubah taburan cas (iaitu taburan data) pada satah z=0 kepada taburan seragam pada hemisfera (Rajah 2).

PFGM mengambil kesempatan daripada keterbalikan talian medan elektrik untuk menjana pengedaran data pada satah z=0: pertama, penyelidik membuat sampel seragam pada hemisfera besar, dan kemudian biarkan sampel mengikut garisan medan elektrik Bergerak dari sfera ke satah z=0 untuk menjana data. Oleh kerana gerakan di sepanjang garis medan elektrik boleh diterangkan oleh persamaan pembezaan biasa (ODE), dalam persampelan sebenar penyelidik hanya perlu menyelesaikan ODE yang ditentukan oleh arah garis medan elektrik. Melalui medan elektrik, PFGM menukar pengedaran mudah pada sfera kepada pengedaran data yang kompleks. Dari perspektif ini, PFGM boleh dianggap sebagai aliran normalizing berterusan (Normalizing Flow).

Dalam percubaan penjanaan imej, PFGM kini merupakan model aliran ternormal yang berprestasi terbaik pada set data standard CIFAR-10, mencapai Ia mencapai skor FID (ukuran kualiti gambar) sebanyak 2.35. Para penyelidik juga menunjukkan kegunaan lain PFGM, ​​seperti keupayaannya untuk mengira kemungkinan imej, melakukan penyuntingan imej, dan skala kepada set data imej resolusi tinggi. Di samping itu, penyelidik mendapati bahawa PFGM mempunyai tiga kelebihan berbanding model penyebaran popular baru-baru ini:

(1) dalam Pada struktur rangkaian yang sama , kualiti sampel yang dijana oleh ODE PFGM adalah jauh lebih baik daripada model resapan (2) Manakala kualiti SDE (persamaan pembezaan stokastik) yang dihasilkan oleh model resapan adalah serupa, ODE PFGM mencapai 10 kali - 20 kali ganda; pecutan;

(3) PFGM lebih teguh daripada model resapan pada struktur rangkaian dengan keupayaan ekspresif yang lebih lemah.

gulung! Model penjanaan aliran MIT Poisson mengalahkan model resapan, dengan mengambil kira kualiti dan kelajuan

Rajah 1: Titik sampel bergerak di sepanjang garis medan elektrik. Di atas: Pengedaran data adalah dalam bentuk hati; 🎜>

Rajah 2: Kiri: trajektori medan Poisson dalam tiga dimensi;

Gambaran Keseluruhan Kaedah

Perhatikan bahawa proses di atas membenamkan data N-dimensi ke dalam ruang N+1-dimensi (z-dimensi tambahan). Untuk memudahkan pembezaan, penyelidik menggunakan x dan gulung! Model penjanaan aliran MIT Poisson mengalahkan model resapan, dengan mengambil kira kualiti dan kelajuan untuk mewakili data N-dimensi dan N+1 dimensi. Untuk mendapatkan garis medan elektrik berdimensi tinggi yang disebutkan di atas, persamaan Poisson berikut perlu diselesaikan:

gulung! Model penjanaan aliran MIT Poisson mengalahkan model resapan, dengan mengambil kira kualiti dan kelajuan

di mana gulung! Model penjanaan aliran MIT Poisson mengalahkan model resapan, dengan mengambil kira kualiti dan kelajuan terletak Pengedaran data yang anda ingin hasilkan pada satah z=0 gulung! Model penjanaan aliran MIT Poisson mengalahkan model resapan, dengan mengambil kira kualiti dan kelajuan ialah fungsi berpotensi, yang merupakan matlamat penyelesaian penyelidik. Oleh kerana hanya arah garisan medan elektrik yang perlu diketahui, penyelidik memperoleh bentuk analisis kecerunan garisan medan elektrik (kecerunan fungsi potensi):

gulung! Model penjanaan aliran MIT Poisson mengalahkan model resapan, dengan mengambil kira kualiti dan kelajuan

Medan elektrik Trajektori garisan (lihat Rajah 2) boleh diterangkan oleh ODE berikut:

gulung! Model penjanaan aliran MIT Poisson mengalahkan model resapan, dengan mengambil kira kualiti dan kelajuan

Dalam teorem berikut, penyelidik membuktikan definisi ODE di atas Ia mewakili bijection taburan seragam pada hemisfera berdimensi tinggi dan taburan data pada satah z=0. Kesimpulan ini adalah sama seperti gerak hati dalam Rajah 1 dan 2: pengedaran data boleh dipulihkan melalui talian medan elektrik.

gulung! Model penjanaan aliran MIT Poisson mengalahkan model resapan, dengan mengambil kira kualiti dan kelajuan

Latihan PFGM

Diberikan pengagihan data daripada The sampled set data gulung! Model penjanaan aliran MIT Poisson mengalahkan model resapan, dengan mengambil kira kualiti dan kelajuan telah digunakan oleh penyelidik untuk menganggarkan kecerunan garis medan elektrik sepadan dengan taburan data:

gulung! Model penjanaan aliran MIT Poisson mengalahkan model resapan, dengan mengambil kira kualiti dan kelajuan

Kecerunan garis medan elektrik ialah sasaran pembelajaran. Kajian ini menggunakan fungsi perturb untuk memilih titik dalam ruang, dan fungsi kehilangan segi empat sama membolehkan rangkaian saraf gulung! Model penjanaan aliran MIT Poisson mengalahkan model resapan, dengan mengambil kira kualiti dan kelajuan mempelajari kecerunan garis medan elektrik yang dinormalkan dalam ruang gulung! Model penjanaan aliran MIT Poisson mengalahkan model resapan, dengan mengambil kira kualiti dan kelajuan, algoritma khusus adalah seperti berikut:

gulung! Model penjanaan aliran MIT Poisson mengalahkan model resapan, dengan mengambil kira kualiti dan kelajuan

Persampelan PFGM

Selepas mempelajari normalisasi untuk mempelajari kecerunan garis medan elektrik yang dinormalkan dalam ruang , taburan data boleh diambil sampel melalui ODE berikut:

ODE ini secara beransur-ansur menggerakkan sampel dari sfera besar di sepanjang garis medan elektrik ke satah z=0 dengan mengurangkan z. Di samping itu, kajian ini bercadang untuk memproyeksikan taburan seragam pada sfera besar ke atas satah z tertentu untuk memudahkan simulasi ODE dan mempercepatkan lagi pensampelan melalui penggantian berubah-ubah. Sila rujuk Bahagian 3.3 artikel untuk langkah-langkah tertentu.

Hasil eksperimen

Dalam Jadual 1, kajian ini menggunakan set data standard CIFAR-10 untuk menilai model yang berbeza. Pada set data ini, PFGM ialah model aliran ternormal boleh balik berprestasi terbaik , mencapai skor FID 2.35. PFGM berprestasi lebih baik daripada model resapan menggunakan struktur rangkaian yang sama (DDPM++/DDPM++ deep). Para penyelidik juga memerhatikan bahawa walaupun kualiti penjanaan SDE (persamaan pembezaan stokastik) bagi model resapan adalah serupa, PFGM mencapai pecutan 10 kali - 20 kali, mengimbangi kualiti dan kelajuan penjanaan dengan lebih baik. Di samping itu, penyelidik mendapati bahawa PFGM lebih teguh daripada model resapan pada struktur rangkaian dengan keupayaan ekspresif yang lebih lemah, dan masih lebih baik daripada model resapan di bawah keadaan yang sama pada set data berdimensi lebih tinggi. Sila lihat bahagian percubaan artikel untuk mendapatkan butiran. Dalam Rajah 3, kajian menggambarkan proses penjanaan imej PFGM.

gulung! Model penjanaan aliran MIT Poisson mengalahkan model resapan, dengan mengambil kira kualiti dan kelajuan

Jadual 1: Kualiti sampel (FID, Inception) dan bilangan langkah pensampelan (NFE) pada data CIFAR-10

gulung! Model penjanaan aliran MIT Poisson mengalahkan model resapan, dengan mengambil kira kualiti dan kelajuan


gulung! Model penjanaan aliran MIT Poisson mengalahkan model resapan, dengan mengambil kira kualiti dan kelajuan

gulung! Model penjanaan aliran MIT Poisson mengalahkan model resapan, dengan mengambil kira kualiti dan kelajuan

Rajah 3: Proses persampelan PFGM pada CIFAR-10, CelebA 64x64, bilik tidur LSUN 256x256

Kesimpulan

Kajian ini mencadangkan Generatif berasaskan Poisson model PFGM bagi Persamaan. Model ini meramalkan kecerunan garis medan elektrik yang dinormalkan dalam ruang lanjutan dimensi N+1 dan disampel oleh ODE yang sepadan bagi garisan medan elektrik. Dalam eksperimen, model yang dikaji dalam kajian ini pada masa ini merupakan model aliran terpiawai terbaik, dan mencapai kesan penjanaan yang lebih baik dan kelajuan pensampelan yang lebih pantas daripada model resapan pada struktur rangkaian yang sama. Proses pensampelan PFGM lebih teguh kepada hingar dan juga boleh diperluaskan kepada set data dimensi yang lebih tinggi. Penyelidik menjangkakan PFGM akan turut berprestasi baik dalam bidang aplikasi lain, seperti penjanaan molekul dan penjanaan data 3D.

Atas ialah kandungan terperinci gulung! Model penjanaan aliran MIT Poisson mengalahkan model resapan, dengan mengambil kira kualiti dan kelajuan. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!

Kenyataan
Artikel ini dikembalikan pada:51CTO.COM. Jika ada pelanggaran, sila hubungi admin@php.cn Padam
Skop Gemma: Mikroskop Google ' s untuk mengintip ke proses pemikiran AI 'Skop Gemma: Mikroskop Google ' s untuk mengintip ke proses pemikiran AI 'Apr 17, 2025 am 11:55 AM

Meneroka kerja -kerja dalam model bahasa dengan skop Gemma Memahami kerumitan model bahasa AI adalah satu cabaran penting. Pelepasan Google Gemma Skop, Toolkit Komprehensif, menawarkan penyelidik cara yang kuat untuk menyelidiki

Siapa penganalisis perisikan perniagaan dan bagaimana menjadi satu?Siapa penganalisis perisikan perniagaan dan bagaimana menjadi satu?Apr 17, 2025 am 11:44 AM

Membuka Kejayaan Perniagaan: Panduan untuk Menjadi Penganalisis Perisikan Perniagaan Bayangkan mengubah data mentah ke dalam pandangan yang boleh dilakukan yang mendorong pertumbuhan organisasi. Ini adalah kuasa penganalisis Perniagaan Perniagaan (BI) - peranan penting dalam GU

Bagaimana untuk menambah lajur dalam SQL? - Analytics VidhyaBagaimana untuk menambah lajur dalam SQL? - Analytics VidhyaApr 17, 2025 am 11:43 AM

Pernyataan Jadual Alter SQL: Menambah lajur secara dinamik ke pangkalan data anda Dalam pengurusan data, kebolehsuaian SQL adalah penting. Perlu menyesuaikan struktur pangkalan data anda dengan cepat? Pernyataan Jadual ALTER adalah penyelesaian anda. Butiran panduan ini menambah colu

Penganalisis Perniagaan vs Penganalisis DataPenganalisis Perniagaan vs Penganalisis DataApr 17, 2025 am 11:38 AM

Pengenalan Bayangkan pejabat yang sibuk di mana dua profesional bekerjasama dalam projek kritikal. Penganalisis perniagaan memberi tumpuan kepada objektif syarikat, mengenal pasti bidang penambahbaikan, dan memastikan penjajaran strategik dengan trend pasaran. Simu

Apakah Count dan Counta dalam Excel? - Analytics VidhyaApakah Count dan Counta dalam Excel? - Analytics VidhyaApr 17, 2025 am 11:34 AM

Pengiraan dan Analisis Data Excel: Penjelasan terperinci mengenai fungsi Count dan Counta Pengiraan dan analisis data yang tepat adalah kritikal dalam Excel, terutamanya apabila bekerja dengan set data yang besar. Excel menyediakan pelbagai fungsi untuk mencapai matlamat ini, dengan fungsi Count dan CountA menjadi alat utama untuk mengira bilangan sel di bawah keadaan yang berbeza. Walaupun kedua -dua fungsi digunakan untuk mengira sel, sasaran reka bentuk mereka disasarkan pada jenis data yang berbeza. Mari menggali butiran khusus fungsi Count dan Counta, menyerlahkan ciri dan perbezaan unik mereka, dan belajar cara menerapkannya dalam analisis data. Gambaran keseluruhan perkara utama Memahami kiraan dan cou

Chrome ada di sini dengan AI: mengalami sesuatu yang baru setiap hari !!Chrome ada di sini dengan AI: mengalami sesuatu yang baru setiap hari !!Apr 17, 2025 am 11:29 AM

Revolusi AI Google Chrome: Pengalaman melayari yang diperibadikan dan cekap Kecerdasan Buatan (AI) dengan cepat mengubah kehidupan seharian kita, dan Google Chrome mengetuai pertuduhan di arena pelayaran web. Artikel ini meneroka exciti

Sisi Manusia Ai ' s: Kesejahteraan dan garis bawah empat kali gandaSisi Manusia Ai ' s: Kesejahteraan dan garis bawah empat kali gandaApr 17, 2025 am 11:28 AM

Impak Reimagining: garis bawah empat kali ganda Selama terlalu lama, perbualan telah dikuasai oleh pandangan sempit kesan AI, terutama memberi tumpuan kepada keuntungan bawah. Walau bagaimanapun, pendekatan yang lebih holistik mengiktiraf kesalinghubungan BU

5 Kes Pengkomputeran Kuantum Mengubah Permainan Yang Harus Anda Ketahui5 Kes Pengkomputeran Kuantum Mengubah Permainan Yang Harus Anda KetahuiApr 17, 2025 am 11:24 AM

Perkara bergerak terus ke arah itu. Pelaburan yang dicurahkan ke dalam penyedia perkhidmatan kuantum dan permulaan menunjukkan bahawa industri memahami kepentingannya. Dan semakin banyak kes penggunaan dunia nyata muncul untuk menunjukkan nilainya

See all articles

Alat AI Hot

Undresser.AI Undress

Undresser.AI Undress

Apl berkuasa AI untuk mencipta foto bogel yang realistik

AI Clothes Remover

AI Clothes Remover

Alat AI dalam talian untuk mengeluarkan pakaian daripada foto.

Undress AI Tool

Undress AI Tool

Gambar buka pakaian secara percuma

Clothoff.io

Clothoff.io

Penyingkiran pakaian AI

AI Hentai Generator

AI Hentai Generator

Menjana ai hentai secara percuma.

Artikel Panas

R.E.P.O. Kristal tenaga dijelaskan dan apa yang mereka lakukan (kristal kuning)
1 bulan yang laluBy尊渡假赌尊渡假赌尊渡假赌
R.E.P.O. Tetapan grafik terbaik
1 bulan yang laluBy尊渡假赌尊渡假赌尊渡假赌
R.E.P.O. Cara Memperbaiki Audio Jika anda tidak dapat mendengar sesiapa
1 bulan yang laluBy尊渡假赌尊渡假赌尊渡假赌
R.E.P.O. Arahan sembang dan cara menggunakannya
1 bulan yang laluBy尊渡假赌尊渡假赌尊渡假赌

Alat panas

MinGW - GNU Minimalis untuk Windows

MinGW - GNU Minimalis untuk Windows

Projek ini dalam proses untuk dipindahkan ke osdn.net/projects/mingw, anda boleh terus mengikuti kami di sana. MinGW: Port Windows asli bagi GNU Compiler Collection (GCC), perpustakaan import yang boleh diedarkan secara bebas dan fail pengepala untuk membina aplikasi Windows asli termasuk sambungan kepada masa jalan MSVC untuk menyokong fungsi C99. Semua perisian MinGW boleh dijalankan pada platform Windows 64-bit.

EditPlus versi Cina retak

EditPlus versi Cina retak

Saiz kecil, penyerlahan sintaks, tidak menyokong fungsi gesaan kod

SublimeText3 versi Cina

SublimeText3 versi Cina

Versi Cina, sangat mudah digunakan

SublimeText3 Linux versi baharu

SublimeText3 Linux versi baharu

SublimeText3 Linux versi terkini

Hantar Studio 13.0.1

Hantar Studio 13.0.1

Persekitaran pembangunan bersepadu PHP yang berkuasa