计算机科学 > 计算机视觉与模式识别
[提交于 2025年6月2日
]
标题: 阐明无条件去噪扩散模型中图像的表示
标题: Elucidating the representation of images within an unconditional diffusion model denoiser
摘要: 生成扩散模型通过估计分数来学习多样化图像数据集上的概率密度,分数由训练用于去除噪声的神经网络估计。 尽管它们在生成高质量图像方面取得了显著成功,但基础分数网络的内部机制尚未被充分理解。 在这里,我们研究了在ImageNet数据集上训练用于去噪的UNet,以更好地理解其内部表示和分数计算。 我们展示了UNet的中间块将单个图像分解为活动通道的稀疏子集,并且这些通道的空间平均值向量可以提供潜在干净图像的非线性表示。 我们开发了一种从这种表示中进行随机重建的新算法,并证明它可以恢复由目标图像表示定义的一组图像中的样本。 然后,我们研究了这种表示的性质,并证明潜在空间中的欧几里得距离对应于由表示诱导的条件密度之间的距离以及图像空间中的语义相似性。 在表示空间中应用聚类算法会产生共享细节(例如,专业化特征、纹理区域、小物体)和全局结构的图像组,但与对象身份的对齐程度仅部分一致。 因此,我们首次表明,仅通过去噪训练的网络包含了图像的丰富且可访问的稀疏表示。
文献和引用工具
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
推荐器和搜索工具
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.