CLM-020
Claim
likelihood-based 目标的 mode-covering 行为在 Precision/Recall 上系统性地优于 GAN（逐数据集、针对对抗基线），支持其分布覆盖优势的指标层证据；同口径下 LDM 于 CelebA-HQ 取得新 SOTA FID，其余数据集与最强 GAN/扩散竞争。
| id | |
|---|---|
| type | claim |
| source | PPR-2112.10752 |
| scope | 无条件合成, 256x256; CelebA-HQ (SOTA 论断所在); FFHQ / LSUN-Churches / LSUN-Bedrooms (competitive, 部分低于最强 GAN/ADM); LDM-4 500 步 / LDM-8 200 步等 |
| epistemic | supported |
| lifecycle | RECONCILED |
| updated |
Proposition
likelihood-based 训练目标的 mode-covering 行为在 Precision 与 Recall 上系统性地优于 GAN 方法（逐数据集成立，针对对抗训练基线），支持其分布覆盖优势的指标层证据；在同口径对比下 LDM 于 CelebA-HQ 取得新的 SOTA FID，其余数据集与最强 GAN/扩散模型竞争。
Evidence refs
Notes
主表（ms_tables.tex, FID/Precision/Recall）：CelebA-HQ — VQGAN+T 10.2、PGGAN 8.0、LSGM 7.22、UDM 7.16；LDM-4 5.11（prec 0.72/recall 0.49）。FFHQ — LDM-4 4.98（prec 0.73/recall 0.50）。LSUN-Churches — StyleGAN2 3.86；LDM-8 4.02（prec 0.64/recall 0.52）。LSUN-Bedrooms — StyleGAN2 2.35、ADM 1.90、ProjectedGAN 1.52；LDM-4 2.95（prec 0.66/recall 0.48）。§4.2 原文：“we report a new state-of-the-art FID of 5.11, outperforming previous likelihood-based models as well as GANs”、“LDMs consistently improve upon GAN-based methods in Precision and Recall, thus confirming the advantages of their mode-covering likelihood-based training objective over adversarial approaches”。注意 SOTA 措辞限于 CelebA-HQ；Bedrooms 的 ADM 1.90 优于 LDM 2.95，“close to ADM despite half its parameters and 4× less resources”。SOTA 句留命题末尾仅作定位背景（限定 CelebA-HQ、非论题承重轴，监工裁决 2026-09-07(c)）；全部表读数沉在 EVI-020。“指标层证据”限定词为库方措辞（A4）：mode-covering 无 rare-class/coverage@k 级检验，作者自认 open question（FRM Commentary）。
- 口径锚点：CelebA-HQ 基准协议见 BMK-005（2026-09-07 增）。
关联（16）
- PPR-2112.10752 High-Resolution Image Synthesis with Latent Diffusion Models
- BMK-005 CelebA-HQ unconditional generation (256×256)
- FRM-2112.10752 LDM 五层重建：感知压缩 AE + 潜空间扩散的两段分解，换取训练/采样成本大降；多任务多分辨率（256²/512²→~1024²）。
- EVI-020 无条件合成表：LDM 对 GAN/扩散基线的 FID/Precision/Recall（支撑 CLM-020）。
- EVI-023 §10 Limitations + Fig. firststagecomparison：AE 重建瓶颈与迭代采样局限（支撑 CLM-023）。
- VER-020 无条件合成核验：CelebA-HQ 5.11 SOTA、FFHQ 4.98、LSUN-Bedrooms 2.95 vs ADM 1.90 与无条件表一致，SOTA 限 CelebA-HQ、P/R 逐数据集。supported。
- SYN-002 三源合成：diffusion 管线三段可分解改造——LDM 表示层（latent 感知压缩）、DiT 骨干层（ViT 替换 + Gflops 标度）、G2DP 采样层（推理期引导插件）；三论文是时间上的实际组合链（DiT 复用 LDM first-stage，G2DP 用 DiT 骨干），层独立性判断 CLM-013/009/032 解释组合可行性。
- CLM-013 co-source 像素空间 DM 把容量同时花在感知无关细节与语义构成上；显式剥离感知压缩给一次训练的 autoencoder、让 DM 在低维 latent 专司语义生成，是复杂度降低与细节保留之间的近最优分解（作者自评）。
- CLM-014 co-source 在预训练感知 autoencoder 的 latent 空间训扩散模型，相对同等评估条件下的像素空间扩散模型，同时显著降低训练算力与采样/推理成本，且生成质量不降反升。
- CLM-015 co-source LDM 全 2D-conv 流程（conv AE + conv DM）可容忍比 1D-AR tokenize 更温和的压缩且重建更保真；优势集中在低压缩区间（f=8 显著优于 DALL·E，f=16 与 VQGAN 相当）。
- CLM-016 co-source 下采样因子 f 的选取存在数据集相关的甜区：f 过小训练进度结构性缓慢，f 过大因 first-stage 信息损失保真度早期停滞；复杂数据集甜区在 f=4/8，较简单数据可用更高 f 换采样速度。
- CLM-017 co-source LDM 以通用 cross-attention 注入任意条件（τ_θ 投影 y 为 KV，UNet 中间特征为 Q），一个 backbone 承载多模态条件。
- CLM-018 co-source 推理期 CFG 大幅抬升 LDM 样张质量（FID/IS 同改）而几乎不加训练成本，两设定均成立；引导后的 1.45B cross-attn 文本 LDM 与近期最强 AR/diffusion 系统同量级且参数量显著更少（论文措辞 on par，非新 SOTA）。
- CLM-021 co-source 密集条件 image-to-image 直接把条件拼入输入训练，conv 式条件使模型能越过训练分辨率泛化到兆像素大图。
- CLM-022 co-source 对密集条件 i2i 任务，latent 扩散配方同时给出感知质量与效率收益：(SR) LDM-SR 在感知指标上胜过专用像素扩散 SR3 与回归基线，但 PSNR/SSIM 由回归基线占先；(Inpainting) latent 化显著提吞吐并改善 FID，分布级质量超专用 SOTA 修复器 LaMa 而 LPIPS 略高。
- CLM-023 co-source LDM 上限受 first-stage AE 重建精度限制（细粒度像素任务），且迭代采样仍慢于 GAN 一步生成。