ترجمه فارسی مقاله ترکیبات خطی نهفته ها در مدل های انتشار: درون یابی و فراتر از آن

چکیده

Generative models are crucial for applications like data synthesis and augmentation. Diffusion, Flow Matching and Continuous Normalizing Flows have shown effectiveness across various modalities, and rely on Gaussian latent variables for generation. As any generated object is directly associated with a particular latent variable, we can manipulate the variables to exert control over the generation process. However, standard approaches for combining latent variables, such as spherical interpolation, only apply or work well in special cases. Moreover, current methods for obtaining low-dimensional representations of the data, important for e.g. surrogate models for search and creative applications, are network and data modality specific. In this work we show that the standard methods to combine variables do not yield intermediates following the distribution the models are trained to expect. We propose Combination of Gaussian variables (COG), a novel interpolation method that addresses this, is easy to implement yet matches or improves upon current methods. COG addresses linear combinations in general and, as we demonstrate, also supports other operations including e.g. defining subspaces of the latent space, simplifying the creation of expressive low-dimensional spaces of high-dimensional objects using generative models based on Gaussian latents.

چکیده به فارسی (ترجمه ماشینی)

مدل های تولیدی برای برنامه هایی مانند سنتز داده و تقویت بسیار مهم هستند.انتشار ، تطبیق جریان و جریان های عادی سازی مداوم اثربخشی را در روشهای مختلف نشان داده و به متغیرهای نهفته گاوسی برای تولید تکیه می کنند.از آنجا که هر شیء تولید شده به طور مستقیم با یک متغیر نهفته خاص همراه است ، می توانیم متغیرها را برای کنترل فرآیند تولید دستکاری کنیم.با این حال ، رویکردهای استاندارد برای ترکیب متغیرهای نهفته ، مانند درون یابی کروی ، فقط در موارد خاص اعمال می شود یا به خوبی کار می کند.علاوه بر این ، روشهای فعلی برای به دست آوردن بازنمایی های کم بعدی از داده ها ، برای مثال مهم است.مدل های جانشین برای برنامه های جستجو و خلاق ، روش شبکه و داده خاص هستند.در این کار ما نشان می دهیم که روش های استاندارد برای ترکیب متغیرها به دنبال توزیع ، واسطه ها را به دست نمی آورند که مدل ها برای انتظار هستند.ما ترکیبی از متغیرهای گاوسی (COG) را پیشنهاد می کنیم ، یک روش جدید درون یابی که به این موضوع می پردازد ، به راحتی قابل اجرا است اما با روش های فعلی مطابقت دارد یا بهبود می یابد.COG به طور کلی به ترکیب های خطی می پردازد و همانطور که نشان می دهیم ، از سایر عملیات از جمله به عنوان مثال نیز پشتیبانی می کند.تعریف زیر مجموعه های فضای نهفته ، ساده سازی ایجاد فضاهای بیانگر کم بعدی اشیاء با ابعاد بالا با استفاده از مدلهای تولیدی مبتنی بر تأخیر گاوسی.