见对方眉头一皱，微微摇了摇头。
布豪！！
孙乐驹心中警铃大作。
那位老师翻开论文，拿笔指着说道：“我看到了，你论文第3.2节声称改进了特征提取网络，
我看到下面有两张对比图片，虽然有标注两张图片的得分不一样，但是我肉眼看上去，两者之间并没有显著差异，
能讲一下这个评分是怎么得出来的吗？或者说是怎么计算的吗？”
“老师，这个指标论文的实验部分有写，主要是用了.......”
答辩老师听完翻了翻论文，点了点头：“我看你使用了PSNR，那你有没有计算过LPIPS或者其他的指标？”
“嗯......不好意思老师，我没测过。”
答辩老师也只是点点头：“我建议把这些指标加上，否则光一个PSNR，说服力还是有些不太够。”
孙乐驹连忙点头躬身一气呵成：“好的老师。”
这位老师也没再刁难他，点点头，表示自己问完了。
轮到下一个老师也只是问了一些不痛不痒的问题，并不算深入，孙乐驹答得倒也从容。
不过轮到第三个老师的时候，他的心就不由地一紧。
这位老师他虽然没见过，但是每个答辩老师前面都放了个牌子，上面有写他们的名字。
车伟强这三个字他可谓是如雷贯耳，上过他课的，没一个说他好话的，历届毕业答辩，只要有他在的组，挂掉的人数都是最多的。
光是对上他的眼神，孙乐驹手心就直冒冷汗。
车伟强皱着眉头，声音带着一股压迫感：“你的摘要里有写到，你论文的创新点之一是你提出的‘自适应推理机制’，
在显著降低扩散模型采样步数的同时，保持了与基准模型相当的PSNR性能，甚至略有提升。
我的第一个问题，你的基线对比模型是标准的、需要1000步采样的扩散模型，但是我们都知道，
业界为了加速扩散模型，早已有Uniform Subsampling这样的方法，在你的实验结果里我并没有看到相关的对比实验，
如果你的性能甚至不如Uniform Subsampling，那你这项工作的意义又在哪里。
第二个问题，关于收敛性与理论保证，扩散模型的理论基础建立在Tweedie公式和随机微分方程的推导之上，
但是你的
本章未完，请点击下一页继续阅读！