PulseAugur
中
实时 14:37:29

新框架从损坏数据中学习生成模型和数据流形

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了Riemannian AmbientFlow，这是一个新框架，旨在从损坏或嘈杂的观测中同时学习生成模型和底层数据流形结构。该方法将数据驱动的黎曼几何与归一化流相结合，通过后拉度量和黎曼自编码器提取流形信息。该框架为恢复数据分布提供了理论保证，并提供了一个平滑的流形参数化，也可作为逆问题的生成先验。 AI

影响 该框架有望改善在清洁数据稀缺的科学应用中的生成建模和数据分析。

排序理由 这是一篇详细介绍生成建模和流形学习新框架的研究论文。[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 →

新框架从损坏数据中学习生成模型和数据流形

报道来源 [1]

  1. arXiv cs.LG TIER_1 English(EN) · Willem Diepeveen, Oscar Leong ·

    Riemannian AmbientFlow：迈向从损坏数据中同时进行流形学习和生成建模

    arXiv:2601.18728v2 Announce Type: replace Abstract: Modern generative modeling methods have demonstrated strong performance in learning complex data distributions from clean samples. In many scientific and imaging applications, however, clean samples are unavailable, and only noi…

相关实体

相关话题