В данной работе показано, что способность моделей диффузии использовать низкоразмерную структуру для ускорения сэмплирования является устойчивым свойством, не зависящим от конкретных выборов коэффициентов обновления. Авторы доказывают, что широкий класс коэффициентов позволяет генерировать ε-точную выборку за O(k/ε) итераций, независимо от размерности пространства.
- Показано, что адаптация к низкоразмерной структуре устойчива в широком диапазоне коэффициентов обновления.
- Теоретическое доказательство устанавливает, что O(k/ε) итераций достаточно для ε-точности по расстоянию в вариациях.
- Результат справедлив независимо от размерности пространства данных.
- Фреймворк расширяет класс диффузионных сэмплеров, известных своей выгодой от адаптации к низкоразмерной структуре.
Эти результаты дают теоретическое обоснование эмпирической эффективности различных диффузионных сэмплеров при применении к структурированным данным высокой размерности.