实体
Beckmann Transport Models
Beckmann Transport Models
PulseAugur coverage of Beckmann Transport Models — every cluster mentioning Beckmann Transport Models across labs, papers, and developer communities, ranked by signal.
总计 · 30天
2
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
2
90 天内 2
层级分布 · 90 天
主题
情绪 · 30 天
1 天有情绪数据
最近 · 第 1/1 页 · 共 2 条
-
新的Beckmann World Models提高了动作条件预测的准确性
研究人员推出了一种新颖的动作条件世界模型学习方法——Beckmann World Models (BWM)，用于在规划和策略评估中预测未来状态。BWM直接从噪声、视觉历史和动作学习到未来帧的映射，无需预训练的生成教师。该方法改编了Beckmann Transport Models的终端-映射守恒定律，并采用端点对齐训练来监督源预测，强调运动和空间结构。BWM在PushT和Robomimic Can等基准测试中展示了预测准确性和效率的显…
-
新的Beckmann Transport Models统一了生成流匹配技术
研究人员推出了一种新颖的流匹配方法——Beckmann Transport Models，该方法利用与时间无关的速度场在分布之间进行精确映射。当目标分布是奇异的且支撑在一个低维流形上时，这种方法特别有效。相关的单步生成映射是守恒方程的唯一解，能够直接从样本中学习。该框架统一了现有的方法，包括泊松流生成模型和平衡匹配，并在ImageNet上展示了其有效性。