PulseAugur
实时 04:56:41
English(EN) Joint Flow Matching for Generator-Consistent Classification

联合流匹配框架实现一致的分类和生成

研究人员开发了联合流匹配(JFM),一种用于连续归一化流的新训练框架,可实现一致的联合分类和生成。JFM为时间端点处的变量分配相反的角色,确保了前向和后向条件推理的统一联合分布。这种方法增强了判别生成模型的可解释性,并在条件数据集上展示了具有良好校准置信度的竞争性准确性,以及分类器一致的图像生成。 AI

影响 引入了一种新的生成模型训练方法,提高了可解释性和校准性。

排序理由 该集群描述了一篇关于新机器学习框架的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

联合流匹配框架实现一致的分类和生成

报道来源 [1]

  1. arXiv cs.LG TIER_1 English(EN) · Hayden McAlister, Lech Szymanski ·

    生成器一致分类的联合流匹配

    arXiv:2607.23946v1 Announce Type: new Abstract: We introduce Joint Flow Matching (JFM), a training framework for continuous normalising flows over multiple variables. Standard flow matching transports variables from noise to data simultaneously, offering no natural mechanism for …