PulseAugur
中
实时 14:21:31

新的CoFi方法通过扩散模型改进了长时序生成

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了一种名为Coarse-to-Fine Compositional Diffusion (CoFi)的新方法，以改进扩散模型生成长时序输出的性能。CoFi将过程分为两个阶段：首先，通过对齐局部规划形成全局结构，然后用局部细节细化该结构。这种方法提高了机器人规划和视频生成等各种应用中的全局一致性和局部样本质量，同时还减少了所需的去噪器评估次数。 AI

影响 通过提高一致性和效率来增强长时序生成任务。

排序理由 该集群包含一篇详细介绍生成模型新方法的学术论文。[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 →

报道来源 [1]

  1. arXiv cs.LG TIER_1 English(EN) · Byoungwoo Park, Utkarsh A. Mishra, Jaemoo Choi, Juho Lee, Yongxin Chen ·

    Coarse-to-Fine Compositional Diffusion for Long-Horizon Planning

    arXiv:2606.00837v1 Announce Type: cross Abstract: Diffusion models provide strong priors for generating structured data, but many tasks require outputs beyond the scale on which these models are typically trained. Compositional generation addresses this by composing overlapping l…

相关实体

相关话题