PyTorchKR Papers

최신 논문

총 1편
태그·기간 등 상세 필터

카테고리 탐색

로그인 후 이 태그 구독

arXiv:2602.15396v2cs.CV

Adjoint Schrödinger Bridge Matching을 통한 무기억 확산 너머의 효율적 생성 모델링

Efficient Generative Modeling beyond Memoryless Diffusion via Adjoint Schrödinger Bridge Matching

확산 모델은 독립적인 데이터-노이즈 결합을 유발하는 정보성이 낮은 무기억(memoryless) 전방 과정으로 인해, 종종 매우 굽은 궤적과 잡음이 많은 스코어 목표를 산출한다. 우리는 두 단계를 통해 고차원에서 최적 궤적을 복원하는 생성 모델링 프레임워크인 Adjoint Schrödinger Bridge Matching(ASBM)을 제안한다. 첫째, Schrödinger Bridge(SB) 전방 동역학을 결합 구성 문제로 보고, 데이터를 에너지로 정의된 사전분포로 수송하는 data-to-energy 샘플링 관점으로 학습한다. 이어서, 유도된 최적 결합으로 감독되는 간단한 매칭 손실로 후방 생성 동역학을 학습한다. 비-무기억(non-memoryless) 체제에서 동작함으로써, ASBM은 현저히 더 곧고 효율적인 샘플링 경로를 생성한다. 선행 연구와 비교해 ASBM은 현저히 향상된 안정성과 효율로 고차원 데이터에 스케일링된다. 이미지 생성에 대한 광범위한 실험은 ASBM이 더 적은 샘플링 단계로 충실도를 향상시킴을 보인다. 우리는 나아가 1-step 생성기로의 지식 증류를 통해 제안한 최적 궤적의 효과를 보여준다.