[控场AI]

#扩散模型

共 60 篇相关文章

ReflectScene:MLLM闭环扩散重塑3D室内场景生成
·5 分钟

ReflectScene:MLLM闭环扩散重塑3D室内场景生成

ReflectScene提出MLLM引导的闭环扩散框架,通过分层场景理解、语义奖励评估和决策条件轨迹一致扩散,在去噪过程中实现3D室内场景的对象级修正,提升功能一致性与语义对齐。

阅读全文 →
扩散模型做在线目标识别:WoRD用轨迹先验推断意图
·5 分钟

扩散模型做在线目标识别:WoRD用轨迹先验推断意图

WoRD用扩散模型学习轨迹先验,为每个候选目标运行去噪链并通过贝叶斯重加权得到校准后验,在模糊轨迹前缀下保持多模态信念,无需显式动力学模型。

阅读全文 →
RISA:面向块扩散语言模型的可恢复稀疏注意力
·4 分钟

RISA:面向块扩散语言模型的可恢复稀疏注意力

RISA是一种面向块扩散语言模型的可恢复稀疏注意力方法,通过共享读取计划解决长上下文推理中的内存瓶颈,在32K上下文下实现2.67倍注意力加速,128K下加速达5.53倍。

阅读全文 →
不规划的成本:并行采样深度在重建阈值处达到峰值
·5 分钟

不规划的成本:并行采样深度在重建阈值处达到峰值

理论研究发现,不规划的并行采样在重建阈值处需要最多轮次,规划可将深度降至对数级,但仅当规划单元足够小。广播树模型给出定量下界,高斯模型验证指数关系。

阅读全文 →
OpDis-PS:扩散后验采样破解ECGI算子失配难题
·4 分钟

OpDis-PS:扩散后验采样破解ECGI算子失配难题

OpDis-PS是一种扩散后验采样器,通过建模信号相关的算子失配来提升心电成像(ECGI)重建精度。在肺部电导率变化和皮下脂肪层两种失配条件下,它优于经典正则化和学习型预测器,尤其在病理数据上表现突出。

阅读全文 →
AI用动态形状控制生成多视角超声心动图序列
·4 分钟

AI用动态形状控制生成多视角超声心动图序列

一篇研究提出基于动态全心网格与两阶段GAN-扩散管线的多视角超声心动图合成框架,通过掩码视频重建提升时间一致性,解决现有方法依赖左心室形状监督、难以生成多视角一致序列的局限。

阅读全文 →
推测扩散双权衡框架:解锁大模型推理帕累托最优
·5 分钟

推测扩散双权衡框架:解锁大模型推理帕累托最优

深度解析Speculative Diffusion双权衡框架:扩散语言模型与推测解码结合,通过联合优化扩散努力与接受宽容度,扩展大模型推理速度-质量帕累托前沿,含理论证明与实验发现。

阅读全文 →
DiffusionEngine:模块化DDPM框架开源,招募贡献者
·4 分钟

DiffusionEngine:模块化DDPM框架开源,招募贡献者

DiffusionEngine是一个开源DDPM框架,旨在将扩散算法、采样方法与训练策略统一到模块化PyTorch流水线中,现正公开招募贡献者。

阅读全文 →
EquivFlow:解决SDR转HDR视频暗部崩塌的VAE感知编码
·4 分钟

EquivFlow:解决SDR转HDR视频暗部崩塌的VAE感知编码

EquivFlow是一种VAE感知的HDR编码方案,通过曝光等变编码解决SDR转HDR视频中暗部色度崩塌问题,无需修改预训练VAE即可提升色度保真度。

阅读全文 →
扩散模型引导气候模拟,精准预测极端高温分布
·4 分钟

扩散模型引导气候模拟,精准预测极端高温分布

一项研究利用条件扩散模型作为气候模拟器,通过扩散引导减少CMIP6模型偏差,将极端温度偏差减半,并预测2080年代极端高温影响近半全球陆地。

阅读全文 →
VLM变身联合去噪器:JADE让机器人动作生成更精准
·4 分钟

VLM变身联合去噪器:JADE让机器人动作生成更精准

JADE提出联合去噪框架,让视觉语言模型深度参与机器人动作生成的每个去噪步骤,通过门控交叉注意力动态引导动作专家。在RoboDojo上取得12.67%平均成功率,真机双臂任务成功率较π₀.₅提升20.8个百分点。

阅读全文 →
扩散模型加速贝叶斯后验采样:离线-在线权衡综述
·4 分钟

扩散模型加速贝叶斯后验采样:离线-在线权衡综述

综述扩散模型用于贝叶斯逆问题后验采样的加速方法,以离线准备与在线推理的成本划分组织似然引导、谱投影、序列蒙特卡洛和摊销条件训练四类路径,分析其假设、优势与局限。

阅读全文 →
RangeSWA:免训练长度外推,破解扩散语言模型长文本生成难题
·4 分钟

RangeSWA:免训练长度外推,破解扩散语言模型长文本生成难题

RangeSWA 是一种免训练长度外推方法,通过局部滑动窗口注意力、远程块摘要和动态内容检索,解决连续扩散语言模型在长文本生成中的重复与语义漂移问题,实验显示可降低困惑度和重复率。

阅读全文 →
DMD蒸馏新突破:批评者模型需与教师模型同步缩放
·4 分钟

DMD蒸馏新突破:批评者模型需与教师模型同步缩放

DMD蒸馏研究发现批评者模型需与教师模型同步缩放,否则会导致训练崩溃。步感知批评者STAC进一步提供步特定分数估计,在ImageNet、SDXL、FLUX.2和Wan2.1上均验证有效。

阅读全文 →
量子测量噪声变废为宝:实现高效扩散模型生成
·4 分钟

量子测量噪声变废为宝:实现高效扩散模型生成

本文解读最新论文:如何将量子测量噪声转化为扩散模型的随机性来源,实现每样本仅303次测量即可达到高测量参考的生成质量,测量次数减少约5300倍,并探讨其对量子机器学习和生成模型的启示。

阅读全文 →
扩散模型成员推理:时间维度难度校准新方法
·3 分钟

扩散模型成员推理:时间维度难度校准新方法

扩散模型成员推理新方法:通过训练时间与扩散时间两轴校准图像难度,RMC与TSC大幅超越现有技术,并泛化到不同参数化模型。

阅读全文 →
扩散模型如何降低叠层成像的扫描冗余?PCPS方法解析
·3 分钟

扩散模型如何降低叠层成像的扫描冗余?PCPS方法解析

本文解读Progressive Coupling Method for Diffusion Posterior Sampling in Ptychography论文,介绍PCPS方法如何利用扩散模型先验降低叠层成像的扫描冗余需求,在低重叠条件下提升重建精度,并分析其与传统迭代方法及现有扩散后验采样器的对比实验结果。

阅读全文 →
音乐音频生成模型教程:从神经编解码器到实时演奏
·5 分钟

音乐音频生成模型教程:从神经编解码器到实时演奏

一篇系统梳理音乐音频生成模型的长篇教程,用统一符号讲解神经音频编解码器、自回归与掩码 token 模型、扩散与 flow matching、采样加速和偏好优化,并讨论器乐、歌曲、编辑与实时演奏四类应用的模型设计,以及自动指标解读、听测设计、数据来源与法律边界。

阅读全文 →