arXiv · Statistics Machine Learning· Marta Gentiloni Silveri, Giovanni Conforti, Alain Durmus·· 16 小时前AI 评分26
Diffusion Flow Matching：维度改进的 KL 界与 Wasserstein 保证
Diffusion Flow Matching: Dimension-Improved KL Bounds and Wasserstein Guarantees
AI 导读
一项研究为基于布朗运动的 Diffusion Flow Matching（DFM）给出新的收敛保证，重点刻画离散化误差。在有限矩条件与温和的 score 可积性假设下，论文推出 KL 散度收敛界，维度依赖较先前工作改进，并称在最小条件下达到 state-of-the-art 缩放。
来源：arXiv · Statistics Machine Learning · arxiv.org