解密扩散模型的创造力
研究表明,扩散模型能够生成新颖数据而非简单记忆训练集,其创造力源于神经网络学习分数函数时的自然平滑效应,导致模型在隐藏数据流形上的训练点之间进行插值。
原贴
查看原文原文
中文翻译
Zhengdao Chen, Research Scientist, Google Research 我们证明了扩散模型的创造力(即生成新颖数据而非仅记忆训练集的能力)是神经网络学习分数函数“平滑”版本的数学结果,这驱使模型沿着隐藏数据流形在训练数据点之间进行插值。当前,扩散模型是生成具有复杂局部结构的数据(如图像生成和分子发现)的最强大工具之一。它们展现出超越训练数据泛化的令人兴奋的能力,并在此意义上表现出“创造力”。例如,在通过真实图像数据集训练后,它们能将随机噪声样本转化为新颖的高质量图像。这种创造能力令人印象深刻,但引出一个有趣的问题:它从何而来?理解这个问题的答案是揭开基于扩散的生成式AI“黑箱”本质的重要一步。为此,在发表于ICLR 2026的论文《On the Interpolation Effect of Score Smoothing in Diffusion Models》中,我们深入扩散模型的数学以回答此问题。我们表明,模型的创造力并非随机偶然,而是神经网络训练在生成过程中自然“平滑”从噪声到数据转换的结果。训练扩散模型首先从一组真实训练数据样本(如猫照片)开始,故意用噪声破坏直到完全无法识别。然后训练模型逐步逆转此破坏过程,使其能从纯噪声重建逼真图像,这称为去噪。如果模型完全基于训练样本完美学习去噪过程,那么在部署时它应生成这些样本的精确副本(称为记忆化)。在此场景中,模型充当检索工具而非能生成新颖输出的创造性引擎。然而在实践中,扩散模型通常不仅记忆,还能泛化生成新数据样本。为了理解扩散模型实际如何去噪,想象随机噪声如同散布在房间中的气体粒子云,而“力场”将每个粒子拉向特定方向直到它们形成有意义形状。在扩散模型中,移动的粒子是经历去噪的单个数据点。“力场”是分数函数,它从训练数据学习并决定粒子在任何时刻的流向。如果模型依赖从训练数据完美学习的分数函数,力场会将粒子驱至精确复制训练数据点的位置(即记忆化)。分数函数驱动去噪过程,将纯噪声转化为有意义数据(如图像)。我们发现扩散模型的创造力实际上源于神经网络学习的近似本质:正则化导致的不完美训练自然使学习到的分数函数在称为“分数平滑”的过程中产生轻微模糊,进而导致去噪过程生成插值(即落在训练点之间空间)的数据,从而创造新颖且合理的数据样本。
核心信息
研究表明,扩散模型能够生成新颖数据而非简单记忆训练集,其创造力源于神经网络学习分数函数时的自然平滑效应,导致模型在隐藏数据流形上的训练点之间进行插值。
- 研究表明,扩散模型能够生成新颖数据而非简单记忆训练集,其创造力源于神经网络学习分数函数时的自然平滑效应,导致模型在隐藏数据流形上的训练点之间进行插值。
- 原贴提到:Zhengdao Chen, Research Scientist, Google Research We show that a diffus
- 来源:research.google
成为会员查看完整内容
你已经看到了这篇内容的前置整理,剩余深度部分仅对会员开放。