ScoreSdeVpScheduler

ScoreSdeVpScheduler 是一种方差保持随机微分方程（SDE）调度器。它由 Yang Song、Jascha Sohl-Dickstein、Diederik P. Kingma、Abhishek Kumar、Stefano Ermon 和 Ben Poole 在论文 Score-Based Generative Modeling through Stochastic Differential Equations 中提出。

论文的摘要如下：

从数据中生成噪声很容易；从噪声中生成数据是生成建模。我们提出了一种随机微分方程（SDE），通过缓慢注入噪声，将复杂的数据分布平滑地转换为已知的先验分布，以及相应的逆时SDE，通过缓慢去除噪声将先验分布转换回数据分布。至关重要的是，逆时SDE仅依赖于扰动数据分布的时间相关梯度场（即分数）。通过利用基于分数的生成建模的进展，我们可以使用神经网络准确估计这些分数，并使用数值SDE求解器生成样本。我们证明，这个框架包含了以前基于分数的生成建模和扩散概率建模的方法，允许新的采样程序和新的建模能力。特别是，我们引入了一个预测-校正框架来纠正离散逆时SDE演化中的误差。我们还推导了一个等效的神经ODE，它从与SDE相同的分布中采样，但还启用了精确的似然计算和改进的采样效率。此外，我们提供了一种新的方法，使用基于分数的模型解决逆问题，如类条件生成、图像修复和着色实验所示。结合多种架构改进，我们在CIFAR-10上实现了无条件图像生成的创纪录性能，Inception得分为9.89，FID为2.20，竞争性似然为2.99比特/维，并首次展示了从基于分数的生成模型生成1024 x 1024高保真图像。

ScoreSdeVpScheduler

[[autodoc]] schedulers.deprecated.scheduling_sde_vp.ScoreSdeVpScheduler