في دراسة جديدة نُشرت على arXiv، أجرى الباحثون تجربة محكمة على مجموعة بيانات CIFAR-10، باستخدام نموذج DDPM U-Net مع تصنيفات متعددة تشمل {2، 4، 8، 16، 32}. تم استخدام إعدادات تحسين ثابتة وبروتوكول منتصف الحلقات القابل للتكرار مع pyTorch. تشمل النتائج المعروضة مقاييس مثل FID (Fréchet Inception Distance)، عدد المعلمات القابلة للتدريب، زمن التشغيل، وذاكرة GPU.
أظهرت النتائج أن التصنيفات المتوسطة، مثل التصنيف 4، تحقق أفضل قيمة FID (124.1380)، بينما التصنيف 8 يقترب (124.2136)، بينما توفر التصنيفات الأعلى مكاسب محدودة على الرغم من ارتفاع تكاليف التكيف. تضفي هذه النتائج دعمًا قويًا للاعتماد على التصنيفات الصغيرة إلى المتوسطة كخيارات عملية ضمن الميزانيات التدريبية الثابتة.