NeurIPS 2022 | 能量函数指导的图图翻译扩散模型

EGSDE

扩散模型作为一种新的深度生成模型，在图像生成领域取得了 SOTA 的效果，并且逐渐在诸多应用领域展现出强大的性能，如视频生成、分子图建模等。

最近来自人民大学李崇轩课题组的研究者们提出了一种基于能量函数的扩散模型生成指导方法 EGSDE。该方法旨在通过预定义的能量函数对预训练好的扩散模型进行指导，从而实现可控生成。现有指导生成方法如 classifier-guidance 等可以理解为 EGSDE 的特例。理论上，研究者从专家乘积（PoE）的角度解释了 EGSDE 的采样分布。

值得一提的是，该项目利用了幻方AI深度学习训练平台的算力及加速性能，在无监督的图到图翻译任务上进行了大量实验，在若干数据集上取得了最好的“可信-真实”权衡结果。该项工作被人工智能顶级学术会议 NeurIPS 2022 收录，本文将为大家简要描述。

论文标题：EGSDE: Unpaired Image-to-Image Translation via Energy-Guided Stochastic Differential Equations

论文地址：https://arxiv.org/abs/2207.06635

模型仓库：https://github.com/ML-GSAI/EGSDE

---

模