实体
classifier guidance
classifier guidance
PulseAugur coverage of classifier guidance — every cluster mentioning classifier guidance 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
最近 · 第 1/1 页 · 共 2 条
-
扩散模型展示出固有的注意力机制和改进的采样技术 · 跟踪了7个来源
近期研究探索了扩散模型（一种主流的图像生成架构）的进展。一篇论文揭示了这些模型固有地利用了类似于Transformer的注意力机制，这表明注意力是一种通用的机器学习原理。另一项研究引入了控制变量分数匹配（CVSI）来提高扩散模型的采样效率并降低方差。此外，一种名为优势加权匹配（AWM）的新方法将强化学习目标与扩散模型的预训练相结合，从而显著加快了生成质量。
-
Lyapunov Guidance框架统一并稳定了生成流
研究人员引入了LyaGuide，一个利用Lyapunov控制理论统一并稳定生成流模型的新框架。该方法通过提供明确的稳定性保证，解决了现有启发式引导方法的局限性。LyaGuide建立了引导流匹配与Lyapunov控制之间的等价性，涵盖了分类器引导和奖励引导等各种引导策略。该框架支持模型驱动和数据驱动的设置，在各种实验中展示了样本质量、引导保真度和鲁棒性方面的一致改进。