InfoDiffusion以互信息正则学习语义表示
热点事件持续更新
InfoDiffusion以互信息正则学习语义表示
1 篇报道1 个报道来源8 小时前更新
先了解这件事
AI 综述
Yingheng Wang等提出InfoDiffusion，通过在扩散模型中加入低维潜变量并以观测变量与潜变量的互信息进行正则化，促使模型学习数据中的高层变化因素。实验显示，该方法可学习解耦且可解释的表示，表现能与先进生成和对比方法竞争，同时保留扩散模型的样本质量，并支持操控生成图像的属性。
AI 根据报道生成 · 45 分钟前更新
最新进展10月28日 12:00
InfoDiffusion：利用信息最大化扩散模型进行表示学习报道时间线
沿着报道，了解事件的不同侧面。
10月28日
- arXiv · Machine LearningInfoDiffusion：利用信息最大化扩散模型进行表示学习
InfoDiffusion通过为扩散模型加入低维潜变量，学习捕捉数据高层变化因素的语义表示。其训练目标以观测变量与隐变量的互信息进行正则化，减少表达能力强的解码器忽略潜变量的情况。实验显示，该方法能学习解耦且可解释的表示，效果可与先进生成和对比方法竞争，同时保留扩散模型的样本质量，并支持操控生成图像的属性。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。