扩散模型的优化方法、图像生成方法、电子设备及介质
知识产权简介
本发明提供了一种在训练数据不均衡时对深度生成模型中的扩散模型进行训练和采样的方法,通过对扩散模型中每一个传播步骤进行调整,使模型其逼近均衡数据集下的标签分布,在主流扩散模型的损失外额外增加了正则损失,通过约束其预测噪声同基于采样得到的随机标签的预测噪声之间的二次距离,迫使模型更均衡地关注尾部类别和头部类别,解决扩散模型对不均衡数据生成的偏置问题。
本发明提供了一种在训练数据不均衡时对深度生成模型中的扩散模型进行训练和采样的方法,通过对扩散模型中每一个传播步骤进行调整,使模型其逼近均衡数据集下的标签分布,在主流扩散模型的损失外额外增加了正则损失,通过约束其预测噪声同基于采样得到的随机标签的预测噪声之间的二次距离,迫使模型更均衡地关注尾部类别和头部类别,解决扩散模型对不均衡数据生成的偏置问题。