Diffusion Model with Perceptual Loss 機械学習の社会実装勉強会第31回 Henry 2024/1/27 

論文の紹介 ■ Diffusion Model with Perceptual Loss, Lin and Yang ■ ByteDanceの研究者が去年12月30日にarxivに投稿 ■ Diffusionモデルの損失関数を改良 2 

提案モチベーション ■ 下図のように既存の損失関数では分布の多峰性を学習でき ない 3 

従来の損失関数 ■ 予測したい目標（拡散過程で発生するノイズ）のMSE ■ 拡散する式 ■ 予測したい目標 ■ MSE損失 4 

提案の損失関数 ■ 学習済み重みで抽出する中間層でのMSE ■ 予測された値で、拡散ステップの最初に戻してから拡散させる ■ 学習済み重みで中間特徴量を取り出してMSEを取る ■ 考察 ● 差分は拡散過程を戻すのと中間層を使うの2箇所ある ● 著者がこの損失関数をperceptualと解釈する 5 

定量評価 ■ Vanilla MSEよりよいが、Classifier-free guidanced MSEに 負けてしまう 6 

Ablation Study 抜粋 ■ 下記項目を変えて実験したが、CFG MSEには勝てなかった ● 中間層、拡散ステップ、距離関数（Mean Absolute Distance）、差分を 取る特徴量、学習済みモデル ■ CFG + 提案方でも負けてしまう 7 

まとめ ■ Diffusion Modelの損失関数を改良する提案手法 ■ 中間層を使うヒントになる 8