非常大维度下的生成扩散
摘要：基于扩散的生成模型近年来已成为艺术的最新成果，尤其是在图像生成领域。在这里，我们分析了它们在高维极限下的情况，其中数据由大量变量组成。我们使用了统计物理的方法，重点关注两个受控的高维情况：一个是高斯模型，另一个是铁磁性的Curie-Weiss模型。在后一种情况下，我们突出了逆扩散中的对称破缺机制，并指出为了重建两个低温态的相对不对称性，从而获得正确的概率权重，需要一个数据库，其点数远远大于每个数据点的维数。我们给出了在数据量和维数上的有效生成的定标法则。
作者：Giulio Biroli and Marc M''ezard
论文ID：2306.03518
分类：Disordered Systems and Neural Networks
分类简称：cond-mat.dis-nn
提交时间：2023-08-25