denoising acceleration

新方法解决带缺失数据和不确定性的流匹配问题

研究人员开发了一种名为缺失数据流匹配（Missing-Data Flow Matching）的新方法，以应对使用不完整数据集训练生成模型所面临的挑战。该方法将缺失的数据点视为潜在变量，并对可能值的损失进行平均，证明了这种修正的精确性。另一篇论文探讨了流匹配不确定性的几何性质，提出了一种称为去噪加速（$\mathrm{accel}$）的免费代理，它通过测量轨迹弯曲来识别不可信的操作，而无需额外的训练或计算。