Adaptive Moments が Plug-and-Play Diffusion Sampling に驚くほど効果的である

arXiv:2603.16797v2 Announce Type: replace-cross 要約：導向拡散サンプリングは、しばしば計算不可解である可能性スコアを近似するものであり、これがサンプリングダイナミクスに大きなノイズを伴うようにする。我々は、これらのノイズした可能性スコアをサンプリング中に安定させるために、適応モーメント推定を使用することを提案する。我々のアプローチは単純だが、画像修復および条件付き生成タスクにおいて最先端の結果を達成し、計算コストが高くなる傾向がある複雑な手法を上回る。我々は合成データおよび実データにわたって我々の手法の実験的解析を提供し、適応モーメントを通じた勾配ノイズの緩和が、整合性を改善する効果的な方法であることを示している。

arXiv:2603.16797v2 Announce Type: replace-cross Abstract: Guided diffusion sampling relies on approximating often intractable likelihood scores, which introduces significant noise into the sampling dynamics. We propose using adaptive moment estimation to stabilize these noisy likelihood scores during sampling. Despite its simplicity, our approach achieves state-of-the-art results on image restoration and class-conditional generation tasks, outperforming more complicated methods, which are often computationally more expensive. We provide empirical analysis of our method on both synthetic and real data, demonstrating that mitigating gradient noise through adaptive moments offers an effective way to improve alignment.