跳到正文
arXiv · 机器人与计算机视觉· Chaitanya Amballa, Sattwik Basu, Jorge Van\v{c}o Sampedro, Romit Roy Choudhury·· 2 天前AI 评分45

Discrete-Diffusion Posterior Sampling with Langevin-Inspired Proposals 方法提出 $\Delta$LPS,在 MNIST、CIFAR、FFHQ 等图像复原及 DNA 生成任务上优于现有离散扩散采样器

Discrete-Diffusion Posterior Sampling with Langevin-Inspired Proposals

AI 导读

$\Delta$LPS 是一种利用梯度信息识别离散状态空间内有效移动的离散朗之文启发式后验采样器。该方法支持跨所有 token 维度的并行更新,且对掩码或均匀状态的离散扩散先验训练范式无关。实验表明,其在图像复原、空间映射及 DNA 序列生成等线性与非线性逆问题任务中,性能优于近期离散扩散后验采样器并可与强连续扩散求解器竞争。

来源:arXiv · 机器人与计算机视觉 · arxiv.org