L'IA face aux grands problèmes du monde · Mathématiques · arXiv · 2026-10-20
Convergence des modèles probabilistes de diffusion par débruitage : une perspective via la divergence de R\'{e}nyi
Titre original: Convergence of Denoising Diffusion Probabilistic Models: A R\'{e}nyi Divergence Perspective
Cet article analyse la convergence des modèles probabilistes de diffusion avec débruitage (DDPM) à l'aide de la divergence de Rényi, qui est plus sensible aux écarts dans les régions de faible probabilité que les mesures utilisées auparavant. L'erreur totale se décompose en trois parties : mélange, discrétisation et estimation du score, avec une borne de complexité en nombre d'itérations pour les cibles sous-gaussiennes. Les auteurs étendent également la garantie aux DDPM à amortissement critique.