摘要

我们介绍了一种新的物理启发生成模型家族，称为PFGM++，该模型统一了扩散模型和泊松流生成模型（PFGM）。这些模型通过在( N+D )维空间中嵌入路径来实现( N )维数据的生成轨迹，同时仍然使用( D )个额外变量的简单标量范数来控制进程。当( D=1 )时，新模型退化为PFGM；当( D \to \infty )时，退化为扩散模型。选择( D )的灵活性使我们能够在鲁棒性和刚性之间进行权衡，因为增加( D )会导致数据与额外变量范数之间的耦合更加集中。我们摒弃了PFGM中使用的有偏大批次场目标，而是提供了一个类似于扩散模型的无偏扰动目标。为了探索不同的( D )值选择，我们提供了一种直接对齐方法，用于将从扩散模型（( D \to \infty )）中精心调整的超参数转移到任何有限的( D )值上。实验结果表明，在CIFAR-10和FFHQ ( 64{\times}64 )数据集上，具有有限( D )值的模型可以优于之前的最先进的扩散模型，其FID分数分别为1.91/2.43（当( D=2048/128 )时）。在类别条件设置下，当( D=2048 )时，在CIFAR-10上的FID分数达到了当前最先进的1.74。此外，我们还证明了具有较小( D )值的模型在建模错误方面表现出更好的鲁棒性。代码可在https://github.com/Newbeeer/pfgmpp获取。