Skip to main content
CenXiv.org
此网站处于试运行阶段,支持我们!
我们衷心感谢所有贡献者的支持。
贡献
赞助
cenxiv logo > cs > arXiv:2508.14871

帮助 | 高级搜索

计算机科学 > 机器学习

arXiv:2508.14871 (cs)
[提交于 2025年8月20日 ]

标题: 压缩扩散模型

标题: Squeezed Diffusion Models

Authors:Jyotirmai Singh, Samar Khanna, James Burgess
摘要: 扩散模型通常注入各向同性的高斯噪声,而忽略数据中的结构。 受量子压缩态根据海森堡不确定性原理重新分布不确定性的启发,我们引入了压缩扩散模型(SDM),该模型在训练分布的主要成分上各向异性地缩放噪声。 由于在物理学中压缩可以提高信噪比,我们假设以数据相关的方式缩放噪声可以更好地帮助扩散模型学习重要的数据特征。 我们研究了两种配置:(i) 海森堡扩散模型,在主轴上补偿缩放的同时在正交方向上进行反向缩放,以及 (ii) 标准SDM变体,仅缩放主轴。 出人意料的是,在CIFAR-10/100和CelebA-64上,轻微的反压缩——即在主轴上增加方差——始终能将FID提升高达15%,并将精确率-召回率前沿推向更高的召回率。 我们的结果表明,简单的、数据感知的噪声塑造可以在不改变架构的情况下带来稳健的生成优势。
摘要: Diffusion models typically inject isotropic Gaussian noise, disregarding structure in the data. Motivated by the way quantum squeezed states redistribute uncertainty according to the Heisenberg uncertainty principle, we introduce Squeezed Diffusion Models (SDM), which scale noise anisotropically along the principal component of the training distribution. As squeezing enhances the signal-to-noise ratio in physics, we hypothesize that scaling noise in a data-dependent manner can better assist diffusion models in learning important data features. We study two configurations: (i) a Heisenberg diffusion model that compensates the scaling on the principal axis with inverse scaling on orthogonal directions and (ii) a standard SDM variant that scales only the principal axis. Counterintuitively, on CIFAR-10/100 and CelebA-64, mild antisqueezing - i.e. increasing variance on the principal axis - consistently improves FID by up to 15% and shifts the precision-recall frontier toward higher recall. Our results demonstrate that simple, data-aware noise shaping can deliver robust generative gains without architectural changes.
评论: 7页,3图
主题: 机器学习 (cs.LG) ; 计算机视觉与模式识别 (cs.CV)
引用方式: arXiv:2508.14871 [cs.LG]
  (或者 arXiv:2508.14871v1 [cs.LG] 对于此版本)
  https://doi.org/10.48550/arXiv.2508.14871
通过 DataCite 发表的 arXiv DOI

提交历史

来自: Jyotirmai Singh [查看电子邮件]
[v1] 星期三, 2025 年 8 月 20 日 17:37:53 UTC (740 KB)
全文链接:

获取论文:

    查看标题为《》的 PDF
  • 查看中文 PDF
  • 查看 PDF
  • HTML(实验性)
  • TeX 源代码
  • 其他格式
许可图标 查看许可
当前浏览上下文:
cs.LG
< 上一篇   |   下一篇 >
新的 | 最近的 | 2025-08
切换浏览方式为:
cs
cs.CV

参考文献与引用

  • NASA ADS
  • 谷歌学术搜索
  • 语义学者
a 导出 BibTeX 引用 加载中...

BibTeX 格式的引用

×
数据由提供:

收藏

BibSonomy logo Reddit logo

文献和引用工具

文献资源探索 (什么是资源探索?)
连接的论文 (什么是连接的论文?)
Litmaps (什么是 Litmaps?)
scite 智能引用 (什么是智能引用?)

与本文相关的代码,数据和媒体

alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)

演示

复制 (什么是复制?)
Hugging Face Spaces (什么是 Spaces?)
TXYZ.AI (什么是 TXYZ.AI?)

推荐器和搜索工具

影响之花 (什么是影响之花?)
核心推荐器 (什么是核心?)
IArxiv 推荐器 (什么是 IArxiv?)
  • 作者
  • 地点
  • 机构
  • 主题

arXivLabs:与社区合作伙伴的实验项目

arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。

与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。

有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.

这篇论文的哪些作者是支持者? | 禁用 MathJax (什么是 MathJax?)
  • 关于
  • 帮助
  • contact arXivClick here to contact arXiv 联系
  • 订阅 arXiv 邮件列表点击这里订阅 订阅
  • 版权
  • 隐私政策
  • 网络无障碍帮助
  • arXiv 运营状态
    通过...获取状态通知 email 或者 slack

京ICP备2025123034号