跳到正文
原文
arXiv · Statistics Machine Learning· Alessio Spagnoletti, Abdul-Lateef Haji-Ali, Andr\'es Almansa, Alain Oliviero Durmus, Eric Moulines, Marcelo Pereyra·· 17 小时前AI 评分27

迭代一致性模型:稳定性、误差界与噪声调度

Iterating Consistency Models: Stability, Error Bounds and Noise Schedules

AI 导读

该研究将多步一致性模型(CM)采样分析为加噪与近似去噪算子的组合,在明确可验证的稳定性假设下推导出非渐近误差界,把初始误差的收缩与近似误差的累积分开。误差界赋予噪声调度不同角色:早期较大噪声水平驱动收缩,晚期较小噪声水平控制残余偏差,并为强对数凹与半对数凹目标给出显式常数。实验显示,进入误差界的收缩与近似剖面可可靠测量,且与预测的函数形式高度吻合,为多步 CM 提供收敛理论与采样器设计路径。

来源:arXiv · Statistics Machine Learning · arxiv.org