AIGC动态欢迎阅读
原标题：几行代码稳定UNet ! 中山大学等提出ScaleLong扩散模型
：从质疑Scaling到成为Scaling
关键字：模型,系数,梯度,结构,特征文章来源：新智元
内容字数：6561字内容摘要：
新智元报道编辑：LRS 好困
【新智元导读】本文提出了扩散模型中UNet的long skip connection的scaling操作可以有助于模型稳定训练的分析，目前已被NeurIPS 2023录用。同时，该分析还可以解释扩散模型中常用但未知原理的1/√2 scaling操作能加速训练的现象。在标准的UNet结构中，long skip connection上的scaling系数一般为1。
然而，在一些著名的扩散模型工作中，比如Imagen， Score-based generative model，以及SR3等等，它们都设置了，并发现这样的设置可以有效加速扩散模型的训练。质疑Scaling然而，Imagen等模型对skip connection的Scaling操作在原论文中并没有具体的分析，只是说这样设置有助于加速扩散模型的训练。
首先，这种经验上的展示，让我们并搞不清楚到底这种设置发挥了什么作用？
另外，我们也不清楚是否只能设置，还是说可以使用其他的常数？
不同位置的skip connection的「地位」一样吗，为什么使用一样的常数？
对此，作者有非常多的问号……理解Scali原文链接：几行代码稳定UNet ! 中山大学等提出ScaleLong扩散模型：从质疑Scaling到成为Scaling
联系作者
文章来源：新智元
作者微信：AI_era
作者简介：智能+中国主平台，致力于推动中国从互联网+迈向智能+新纪元。重点关注人工智能、机器人等前沿领域发展，关注人机融合、人工智能和机器人革命对人类社会与文明进化的影响，领航中国新智能时代。
