面向未知流形的内在混合潜空间扩散模型

论文提出内在混合潜空间扩散模型（ILDM），将概率降维、未知黎曼流形建模与几何感知扩散结合。其潜空间被视为流形图表，概率解码器同时估计局部几何与不确定性；前向过程依据不确定性在黎曼和欧氏动力学间切换，并配套混合去噪评分匹配与反向朗之万动力学。在COIL-100、MNIST和心脏MRI上，作者报告其FID和LPIPS优于标准扩散及潜空间扩散模型。