随机插值模型的逻辑引导

生成模型的引导和组合在视觉设计、化学和生物学中有广泛应用。逻辑引导为扩散模型精确组合条件分数。然而，流匹配（FM）和随机插值（SI）学习的是速度场。我们表明，否定和异或在任何插值上允许精确的条件速度组合，而合取——以及因此任何包含合取的公式——在高斯路径上是精确的，但通常会产生漂移-交互误差，因此组合速度不一定能采样到逻辑目标。LOGSI通过使用基于分数的再平衡作为我们的原则性机制，并回退到高斯路径速度规则作为近似传输预测器来解决这个问题。在非高斯桥接问题中，生成在传输步骤和分数再平衡步骤之间交替。在图像迁移（EMNIST到CMNIST、CelebA）和具有逻辑属性约束的QM9源到目标分子编辑上，LOGSI在相同网络评估预算下比组合速度基线提高了规则符合度，同时在图像任务上也提高了保真度。更广泛地说，LOGSI适用于任何需要引导且约束的逻辑组合是自然的随机插值场景。作者：Gerrit Gerhartz, Francesco Alesiani, Jonathan Warrell, Henrik Christiansen, Matheus Ferraz 类别：cs.LG