ncsn

开源

噪声条件分数网络 (NeurIPS 2019, 口头报告)

790 stars0 点赞0 次浏览

工具介绍

噪声条件分数网络 (NeurIPS 2019, 口头报告)

通过估计数据分布的梯度进行生成模型此仓库包含了 NeurIPS 2019 论文 Generative Modeling by Estimating Gradients of the Data Distribution 的官方实现,作者为 Yang Song 和 Stefano Ermon. 斯坦福 AI 实验室。注意: 该方法已通过后续工作 Improved Techniques for Training Score-Based Generative Models (代码) 以及最近的扩展 Score-Based Generative Modeling through Stochastic Differential Equations (代码) 而大大稳定了。因此,不再建议将此代码库用于新项目。

--------------------------------------------------------------------------------------- 我们描述了一种基于估计数据分布的对数密度函数导数（又称为 Stein 分数）的生成模型方法。首先，我们通过不同的高斯噪声，逐渐减小方差来扰动训练数据。然后，我们通过使用“分数匹配”训练一个共享的神经网络网络（称为“噪声条件分数网络”），来估计每个扰动的数据分布的分数函数。我们可以直接使用“渐变朗格文动力学”从我们的 NSCN 生成样本。