[2Win5] Poster session 2

[2Win5-64] Image Interpolation by Leveraging Intrinsic Manifolds in Diffusion Models

〇Shinnosuke Saito¹, Takashi Matsubara¹ (1.Hokkaido University)

Keywords:Diffusion Model, Manifold Learning, Image Interpolation, Riemannian Geometry

拡散モデルは高品質な画像を生成できるが，これはデータ多様体を考慮しながら未知の分布を学習しているためと考えられている．そのため学習済み拡散モデルを解析し，データ多様体の次元数を推定する研究などが進められているが，より良い画像生成への応用は未だ十分に探求されていない．本研究では，拡散モデルの多様体構造を画像補間に応用することを提案する．具体的には，拡散モデルがスコア関数を介して多様体を学習しているという仮説のもと，リーマン幾何学の枠組みを用いて画像間の測地線を近似することで補間する．従来手法と比べて，より滑らかで自然な補間を実現できることを確認した．