实体
Conditional Flow Matching
Conditional Flow Matching
PulseAugur coverage of Conditional Flow Matching — every cluster mentioning Conditional Flow Matching across labs, papers, and developer communities, ranked by signal.
总计 · 30天
3
90 天内 3
发布 · 30天
0
90 天内 0
论文 · 30天
3
90 天内 3
层级分布 · 90 天
主题
情绪 · 30 天
2 天有情绪数据
最近 · 第 1/1 页 · 共 3 条
-
物理模拟方法ScatterPrism提高了生成精度
研究人员开发了ScatterPrism，一种提高粒子与核物理中生成模拟精度的新方法。他们发现，条件流匹配（CFM）的标准训练损失可能具有误导性，会过早地达到平台期，并掩盖持续的物理改进。ScatterPrism使用物理信息指标来确保真实的运动学保真度，即使在标准损失收敛之后也是如此，并且在物理学之外的医学成像和金融等领域也具有潜在应用。
-
新模型统一语音和歌声生成
研究人员开发了新的统一模型，用于生成人类语音音频，能够同时生成语音和歌声。UniVoice 使用条件流匹配方法，分离内容、旋律和音色，从而能够独立控制语音韵律和歌唱旋律。UniSinger 基于多模态扩散 Transformer 构建，统一了说话人克隆歌曲生成与带伴奏的歌声转换。这两个模型在各自的任务上都展现了最先进的性能，为音频生成和音乐制作带来了新的可能性。
-
RepFlow框架通过表示学习增强因果效应估计
研究人员推出RepFlow，一个旨在从观察性数据中改进因果效应估计的新框架。该方法将表示学习与条件流匹配相结合，以解决诸如缺失反事实和选择偏差等挑战。RepFlow通过最小化处理组和对照组表示之间的距离来准确捕捉潜在结果的分布，并在实验中表现出卓越的性能。