研究人员开发了几个新的框架来解决科学逆问题,这在地震成像和天体物理学等领域很常见。AdjointFlow是一种基于物理的传输方法,通过将已知物理注入生成过程,显著加速了重建,其精度可与现有方法相媲美,但速度快了几个数量级。另一种方法Plug-and-Play ADMM,使用流匹配模型增强了数据保真度和生成先验之间的一致性,提供了原则性的集成和降低的计算成本。此外,Dual Flow联合估计干净图像及其无噪声测量,保证了对前向模型的遵守,并展示了最先进的性能。最后,LipsFlower将Lipschitz控制引入流匹配模型,通过减轻输入扰动的放大来提高图像恢复的稳定性和鲁棒性。 AI
影响 这些生成模型和物理信息AI的进展有望加速科学发现,并提高复杂模拟和重建的效率。
排序理由 多篇arXiv论文介绍了使用生成模型和流匹配解决科学逆问题的新方法。
- Hugging Face Daily Papers
- AdjointFlow
- alphaXiv
- arXiv
- CORE Recommender
- DagsHub
- Flow Matching
- Hugging Face
- IArxiv Recommender
- LipsFlower
AI 生成摘要 · Google Gemini · 来自 6 个来源。 我们如何撰写摘要 →