注入噪声在扩散模型泛化中的作用

研究表明，采样过程中注入的噪声在扩散模型跨数据集生成相似样本的强泛化效应中起着关键作用。在不同数据集上训练的扩散模型接受相同噪声输入时可生成高度相似样本，表明其学习到了泛化的数据分布。测试显示，注入噪声对样本相似度的影响在宽泛结构已成型但具体细节尚未确定的采样阶段最为显著。