IXThinker·2025-06-13 22:00

何愷明新研究為擴散模型加正則化

擴散模型風頭正盛，何愷明最新論文亦以此為題，研究如何將擴散模型與表徵學習聯繫起來。論文提出即插即用的Dispersive Loss正則化方法，讓模型內部特徵更有序，從而生成更自然逼真的圖像，方法簡單且通用。

核心思路

Dispersive Loss的核心思想，是在模型輸出的標準回歸損失（如去噪）之外，額外引入一個目標函數，對模型的中間表示進行正則化，好比為模型加上「整理收納」功能，使其內部特徵更加有序，生成效果亦更自然逼真。