用于少样本密集预测的可学习扩散时间步
Research Paper#Diffusion Models, Few-shot Learning, Dense Prediction🔬 Research|分析: 2026年1月3日 19:06•
发布: 2025年12月29日 05:19
•1分で読める
•ArXiv分析
本文解决了在扩散模型中为少样本密集预测任务选择最佳扩散时间步的挑战。它提出了两个模块：任务感知时间步选择（TTS）和时间步特征整合（TFC），以自适应地选择和整合时间步特征，从而提高在少样本场景中的性能。这项工作侧重于通用和少样本学习，使其与实际应用相关。