【ICML2023】通过离散扩散建模实现高效和度引导的图生成

基于扩散的生成性图模型已被证明在生成高质量的小图上非常有效。然而，他们需要更具可扩展性才能生成包含数千个节点并期望图统计的大图。在这项工作中，我们提出了EDGE，一种新的基于扩散的生成性图模型，用于处理大图的生成任务。为了提高计算效率，我们通过使用一种离散扩散过程鼓励图的稀疏性，该过程在每个时间步随机删除边，最终得到一个空图。EDGE在每个去噪步骤中只关注图中的一部分节点。它比以前的基于扩散的模型做出更少的边预测。此外，EDGE允许显式地模拟图的节点度，进一步提高模型的性能。实证研究显示，EDGE比竞争方法更高效，能够生成包含数千个节点的大图。它在生成质量上也超过了基线模型：我们方法生成的图的图统计数据与训练图的更相似。

https://www.zhuanzhi.ai/paper/cc59405ca6fa98d54ead7fd468e1015e