FVD: Diffusionsmodelle in Echtzeit mit Fleming‑Viot‑Resampling ausbalancieren

Die neue Methode Fleming‑Viot Diffusion (FVD) löst ein langjähriges Problem bei der Inferenz von Diffusionsmodellen: den „Diversity Collapse“, der bei klassischen Sequential‑Monte‑Carlo‑(SMC)‑Samplern häufig auftritt. Durch die Ersetzung des üblichen multinomialen Resamplings durch ein gezieltes Geburt‑Tod‑Verfahren wird die Vielfalt der Trajektorien erhalten und gleichzeitig eine präzise Ausrichtung auf die Zielverteilung erreicht.

FVD kombiniert ein population‑basiertes Resampling, das von Fleming‑Viot‑Populationen inspiriert ist, mit unabhängigen, belohnungsbasierten Überlebensentscheidungen. Zusätzlich wird ein stochastischer Rebirth‑Rauschmechanismus eingebaut, um deterministische Pfade zu verhindern, wenn die Belohnungen nur annähernd verfügbar sind. Dieses flexible System ermöglicht es, breite Trajektorienunterstützung zu bewahren und gleichzeitig belohnungsorientierte Verteilungen effizient zu erkunden – ohne dass dafür Wertfunktionen oder aufwändige Rollouts benötigt werden.

In praktischen Tests übertrifft FVD bestehende Ansätze deutlich: Auf dem DrawBench‑Benchmark erzielt es eine 7 % höhere ImageReward‑Leistung, während es bei klassisch bedingten Aufgaben die FID um 14 – 20 % gegenüber starken Baselines verbessert. Darüber hinaus ist FVD bis zu 66‑mal schneller als wertbasierte Methoden, was die Methode besonders skalierbar und effizient für die Inferenzzeit macht.