扩散模型与最优传输的关系并非显而易见。尽管在相似数据集上训练的不同扩散模型往往产生相似的映射关系，但这些映射是否为最优传输映射仍是一个悬而未决的问题。
2022年，Lr / J f faven\ w Z % 6 7 !ant和Santambrogio的论文《THE FLOW MAP OF THE FOKKER-PLANCK EQUATION DOES NOT PROVIDE OPTI` T R 4 O 7 : XMAL TRANSPORT》推翻了此前的猜想，即通过积分Fokker-Planck方程的Wasserstein速度得到的ODE流能产生最优传输映射。该论文通过反例证明，在@ b !某些情况下，流模型无法实现最优T ! .传输。 这篇论文证明过程复Z N E I J x r .杂，以大量公式推导为主。
法国数学? j 1 j M *家Peyr在论文《DiffuW h v ! ssion modelc , g G N As and Optimal Transpor9 a G K * ` St》中对Lavenant和Santambrogio的证明进行了简化总结，清晰地阐述了扩散模型一般情况下无法定义最优传输映射的结论。
Peyr的文章主要内容如下：
生成模型旨在构建w U n ^ ! G I从参考分布（通常为各向同性高斯分布）到数据分布的传输映射T，使得T♯ = 。 寻找T的显式构造方法非常困难，主要方法包括最优传输和逆向积分扩散过程的平流场。
最优传输 通过求解, y & [ N 5Monge问题找到T，Brenier定理证明该映射存在且唯一，可表示为凸函数的梯度。
逆向# \ $ * nFlow Map 扩散模型通过求解一个定义在₀=和∞=之间的差值& f [ P ` Wₜ上的过程，来定义映射。该过程可通过向2 $ w K 8 ~量场v演化粒子来实现，最终得到flow map Sₜ。
关键结论：逆向Flow Map并非最优传输
Lavenant和Santambrogio通过构造反例证明，一般情况下，逆向flow map Sₜ⁻并非最优传输映射。他们证明，对于某些接近各向同性高斯分布的: t ! i } \ 3数据分布，以及某些时间t，从到ₜ的逆向flow map并非最优传输。 证明的核w C \心在于，假设逆向flow map为最优传h # o , h – n x输，并结合Fokker-Planck方程和Brenier定理，最终得出矛盾。 他们通过构造一个特定的分布，并分析其在t=0时的性质，证明了该假设不成立。
简而言之，尽管扩散模型在图像生成等领域取得了显著成功，但其底层映射与最优传4 # Y 0 P C e ^ x输理论的关系并非简单的等价关系，两者之间存在着重要的区别。
以上就是扩散模型、最优A ( L传输存在什么关系？法国f 2 _ ^ c v t 7 .数学家4页论文引网友围观的详细内容！
原创文章，作者:【好易之】如转载请注明出处：https://www.zhengjiaxi.com/zxwd/itzx/119992.html
如有侵权，请邮件联系 aoduoye@qq.com 删除。
本站发布的文章及附件仅限用于学习和研究目的;不得将上述内容用于商业或非法用途，否则后果请用户自负。
本站信息来自网络，版权争议与本站无关。您必须在下载后的24个小时之内，从您的电脑中彻底删除上述内容。
如果您喜欢该程序，请支持正版软件，购买注册，得到更好的正版服务。如有侵权请邮件与我们联系处理。
微信扫一扫 
