Увязка учебных потоков: роль взвешивания и параметризации

arXiv: 2603.06454v3 Тип уведомления: заменить резюме: мы изучаем цели подготовки денонсирующихся моделей на основе регенерации с уделением особого внимания взвешиванию потерь и параметризации выпуска, включая шумовые, чистые образы и быстроскоростные составы. Посредством систематического цифрового исследования мы анализируем, как эти варианты обучения взаимодействуют с внутренней размерностью набора данных, архитектурой моделей и размером массива данных. Наши эксперименты охватывают синтетические наборы данных с контролируемой геометрией, а также данными изображений и сравнивают цели обучения с использованием количественных показателей для определения точности (PSNR в зависимости от уровня шума) и качества (FID). Вместо того чтобы предлагать новый метод, наша цель состоит в том, чтобы расчленить различные факторы, которые важны при обучении модели сопоставления потоков, с тем чтобы получить практическое представление о выборе дизайна.