跳到正文
热点事件持续更新

研究者提出扩散模型渐近精确负引导方法

1 篇报道1 个报道来源4 小时前更新

先了解这件事

AI 综述

Hirohane Takagi 与 Masashi Sugiyama 发表论文,提出一种渐近精确的扩散模型负向引导方法。该方法从显式目标密度采样,统一处理参考样本与基于条件分数两种设定,并通过一个回避强度参数抑制非期望条件附近的概率质量。 在实现上,研究者将每一步估计样本是否属于非期望条件的问题建模为正例-无标注(PU)学习,沿扩散轨迹进行轻量在线训练。

AI 根据报道生成 · 3 小时前更新

报道时间线

沿着报道,了解事件的不同侧面。

10月15日
  1. arXiv stat.ML
    基于正例-无标注学习的扩散模型渐近精确负向引导

    研究者提出一种扩散模型负向引导方法,通过显式目标密度统一处理参考样本与条件分数两种设定,并将每步估计样本是否属于非期望条件的问题建模为正例-无标注(PU)学习,沿扩散轨迹进行轻量在线训练。

本事件热度走势

还没有足够的连续观测数据,暂不绘制趋势。