谷歌联手UC伯克利要终结扩散模型

发布时间：2023-11-14 09:23:06 所属栏目：外闻来源：

导读：加州大学伯克利分校最近和谷歌合作开发了一种名为“幂等生成网络”（Ignorant Generative Network）的新型AI技术，该技术可以替代传统的扩散模型。

包括生成对抗网络（GAN）、扩散模型（Diffusion Mode

加州大学伯克利分校最近和谷歌合作开发了一种名为“幂等生成网络”（Ignorant Generative Network）的新型AI技术，该技术可以替代传统的扩散模型。

包括生成对抗网络（GAN）、扩散模型（Diffusion Models）和今年 3 月 OpenAI 发布的一致性模型（Consistency Models）在内，当前主流生成式 AI 模型都是随机噪点、草图或者低分辨率或其他损坏的图像等输入，映射到与给定目标数据分布相对应的输出（通常是自然图像）来生成图像。

以扩散模型为例，在训练期间学习目标数据分布，然后通过多个步骤执行“去噪”处理。谷歌研究团队提出了名为幂等生成网络（IGN）的全新生成模型，从任何形式的输入中生成合适的图像，理想情况下只需一步即可完成。

该模型可以想象为一种“全局投影仪”，将任何输入数据投射到目标数据分布上，和现有其它模型算法不同，不会限于特定的输入。

IGN 和原始的GAN、砷化的扩散模型相比之下主要体现的有以下两点显著的不同：

GAN 需要单独的生成器和鉴别器模型，而 IGN 是“自我对抗”的，可以同时扮演着两种角色。

扩散模型需要执行增量步骤，而 IGN 可以单个步骤中将输入映射到数据分布上。

研究人员使用 MNIST 和 CelebA 数据集展示了 IGN 的潜力。该团队展示了一些应用，例如将草图转换为逼真的图像、从噪点生成图像或修复损坏的图像等。研究人员发现，使用mnist和celeba数据集可以在不同的场景下进行测试，并且可以将这些数据集用于更复杂的应用程序。

（编辑：聊城站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!