扩散交叉：通过噪声序列插值定义扩散模型中的进化重组

交互式进化计算（IEC）为优化人类偏好和审美等主观标准提供了强大的框架，但它存在一个基本限制：在高维生成表示中，以语义一致的方式定义交叉很困难，通常会导致突变主导的搜索。在这项工作中，我们明确定义了扩散模型中的交叉。我们提出了扩散交叉，它将进化重组表述为在去噪扩散概率模型（DDPM）的逆过程中对噪声序列进行逐步插值。通过将球面线性插值（Slerp）应用于与所选父图像相关的噪声序列，所提出的方法生成继承了父图像特征的后代，同时保留了扩散过程的几何结构。此外，控制插值的时间步长范围可以实现多样性（探索）和收敛（利用）之间的原则性权衡。使用 PCA 分析和感知相似性度量 (LPIPS) 的实验结果表明，扩散交叉可在父图像之间产生感知平滑且语义一致的过渡。定性交互式进化实验进一步证实所提出的方法有效支持人在环图像探索。这些发现提出了一个新的视角：扩散模型不仅是强大的生成器，而且还是可以明确定义和控制重组的结构化进化搜索空间。