生成机器学习中的随机微分方程导论:变分视角

Introduction to Stochastic Differential Equations for Generative Machine Learning: A Variational Perspective

精选理由

想搞懂扩散模型、得分匹配背后的数学原理?这篇论文从变分角度讲清楚了SDE和ELBO,适合想深入理论的朋友。

AI 摘要

这篇论文从变分视角系统介绍了随机微分方程(SDE)在生成机器学习中的应用。它推导了证据下界(ELBO)并作为讨论扩散模型、得分匹配和流匹配的统一框架。论文使用一维密度建模问题比较了不同参数化的效果。

AI 翻译 · 中文

这篇论文从变分视角系统介绍了随机微分方程(SDE)在生成机器学习中的应用。它推导了证据下界(ELBO)并作为讨论扩散模型、得分匹配和流匹配的统一框架。论文使用一维密度建模问题比较了不同参数化的效果。

arXiv cs.LGThe use of ordinary and stochastic differential equations has led to substantial progress in generative machine learning with applications to, for example, image, video and biomolecule generation. This paper provides a s