ComboStoc：用于 Diffusion 生成模型的组合随机性

本文研究 diffusion generative models（扩散生成模型）中一个探索不足但重要的因素，即组合复杂度。数据样本通常是高维的；在各种结构化生成任务中，还会结合额外属性来与数据样本关联。我们表明，由维度与属性的组合所张成的空间，可能无法被现有 diffusion generative models 的训练方案充分覆盖，从而可能限制测试时性能。

我们提出了一种简单的修正方法：构造能够充分利用组合结构的 stochastic processes（随机过程），因此命名为 ComboStoc。通过这一简单策略，我们表明，在图像和 3D 结构化形状等多种数据模态上，网络训练都得到显著加速。此外，ComboStoc 支持一种新的测试时生成方式：对不同维度和属性使用异步时间步，从而允许以不同程度控制它们。我们的代码位于：https://github.com/Xrvitd/ComboStoc