概要
この研究は、拡散デノイジングにおける「マイノリティガイダンス」がどの時間ステップで効果を発揮するかを検証します。
デノイジングプロセスを早期、中期、後期の3つの期間に分け、それぞれの期間でガイダンスを適用した場合の効果を、全体ガイダンスやガイダンスなしの場合と比較しています。
中間段階でのガイダンスが損失削減に最も大きく貢献することを示す予備的な証拠を提供し、ガイダンス効果の時間ステップ局所性について洞察を与えます。
拡散モデルの研究者や開発者、特にガイダンスメカニズムに関心のある方を対象としており、Kaggleノートブックで実験を再現できます。
EEML 2026に採択された研究論文です。
互換性・特徴
- 拡散モデル
- 機械学習
- 研究論文
- Python
- Kaggle実験
基本情報
| Stars | 1 |
| カテゴリ | 画像生成 |
| アクティビティ | low |
GitHub: https://github.com/VittoriaLanzo/windowed-minority-guidance
