Denoising Diffusion Implicit Models
PulseAugur coverage of Denoising Diffusion Implicit Models — every cluster mentioning Denoising Diffusion Implicit Models across labs, papers, and developer communities, ranked by signal.
2 天有情绪数据
-
量子测量噪声提升扩散模型效率
研究人员开发了一种新颖的方法，通过利用量子测量的固有随机性来提高扩散模型的效率。该方法将量子读出过程中通常产生的噪声重新用作一种资源，以替代扩散采样器在生成过程中有意添加的部分噪声。通过在概率单纯形内构建扩散过程并采用补偿噪声，该方法可以用更少的采样次数匹配所需的输出特征。
-
新方法利用图像扩散模型实现零样本视频修复
一篇新的研究论文提出了一种利用图像扩散模型进行零样本视频修复的新颖方法。该技术通过使用DDIM反演直接从损坏的视频帧生成初始噪声，从而保留了更简单的噪声初始化所忽略的时间相关性。还引入了自适应混合策略和测量引导轨迹注意力，以增强时间一致性并抑制退化伪影。在各种数据集上的实验表明，这种方法优于现有的零样本方法。
-
TAPESTRY模型统一视频生成和机器人控制
研究人员开发了TAPESTRY，这是一种新颖的方法，它使用单一的Transformer骨干网络来统一视频生成和机器人控制。该方法将机器人动作视为视频模型潜在空间中的标记，从而能够在推理时无需完全生成视频即可实现高效控制。TAPESTRY利用视频、联合视频+动作和仅动作扩散的目标来优化共享骨干网络，在模拟和现实世界的机器人任务上都取得了强大的性能，同时显著降低了推理成本。
-
Diffusion Model Enhances MIMO Channel Estimation with LSTM Conditioning
研究人员开发了一种新颖的用于MIMO信道估计的扩散模型，利用长短期记忆（LSTM）网络捕捉时间动态。该模型在角度域运行，并包含一个可学习的SNR门控捷径，以在不同信噪比下平衡观测保真度和生成先验。为了优化推理速度，该框架采用了确定性去噪扩散隐式模型（DDIM）方法，并具有自适应步长分配，在保持低延迟的同时，展示了优于现有方法的持续性能提升。
-
新的谱扩散策略提高了图像生成质量
研究人员开发了一种新颖的能量自适应噪声调度和白化策略，用于图像生成的谱扩散模型。这项新方法在提交给arXiv的论文中进行了详细介绍，旨在通过将前向扩散过程与自然图像的光谱能量分布对齐，来提高扩散模型的效率和质量。在CIFAR-10数据集上的实验显示，Fréchet Inception Distance显著降低，表明图像生成能力得到增强。
-
新研究通过效率和性能提升推进扩散语言模型 · 已追踪10个来源
研究人员正在开发改进扩散语言模型（DLM）的新方法，重点关注效率和性能。“Clock Diffusion”引入了具有位置相关噪声调度的半自回归连续DLM，在OpenWebText上达到了最先进的界限，并在GSM8K上超越了基线。另一种方法ITC-MoE使用重要性引导的令牌感知压缩来降低混合专家DLM的计算和存储成本，同时保持生成质量。其他进展包括分层连续扩散语言模型（HC-DLM），它将离散令牌生成与连续潜在轨迹相结合；自排斥采样（S…
-
新的SANI框架通过像素级噪声注入增强扩散模型
研究人员推出了一种新的扩散模型框架——空间自适应噪声注入（SANI），该框架能够基于每个像素动态调整噪声应用。与传统均匀应用噪声的方法不同，SANI使用概率门控机制和导出的空间自适应方差，在需要精炼复杂特征的地方精确注入噪声，同时保留平滑区域。与标准DDPM和DDIM采样器相比，这种方法在不同时间步长上都持续提高了Fréchet Inception Distance（FID）分数。
-
新的三维流方法大幅缩短PET图像去噪时间
研究人员开发了一种新的三维条件校正流框架，称为3D Flow，用于高效去噪正电子发射断层扫描（PET）图像。该方法将推理时间显著缩短至约30秒，远优于现有需要数小时的3D深度扩散模型。该框架利用了优化的非均匀采样策略和单通道线性插值速度匹配目标。评估表明，即使在超低辐射剂量下，3D Flow也能实现良好的图像质量和病灶可见性，并且在独立临床数据集和不同剂量水平上显示出有希望的零样本迁移能力。
-
新的框架验证 AI 扩散模型的所有权
研究人员开发了一个名为“Membership is Ownership”（MiO）的新框架，用于验证大型扩散模型的所有权，这些模型是 OpenAI 和 Google 等公司的宝贵知识产权。与之前注入伪影到模型中并可能导致效用损失的方法不同，MiO 使用私有数据集上的总体水平假设检验，以最小的对模型性能的影响来确认所有权。该框架已证明对微调和权重扰动具有鲁棒性，为保护 AI 模型知识产权提供了更安全的解决方案。
-
AirLLM框架实现高效大模型远程微调
研究人员开发了AirLLM，一个用于在边缘设备上高效微调大语言模型（LLMs）的新框架。该方法通过采用分层扩散策略，解决了通信带宽和计算资源有限的挑战。AirLLM根据无线条件和语言复杂度自适应地确定LoRA参数配置，并使用去噪扩散隐式模型（Denoising Diffusion Implicit Models）来优化这些决策。实验表明，AirLLM显著降低了传输成本，同时提高了微调性能。
-
新的ACEF框架增强了AI生成图像的检测能力
研究人员开发了一个名为伪影互补专家融合（ACEF）的新颖框架，以改进AI生成图像的检测。该方法解决了当前依赖单一重建过程的技术的局限性，这可能导致伪影分布代表性不足。ACEF采用两阶段方法，首先通过LoRA适配创建特定于伪影的专家，然后使用自适应门控机制整合来自多种伪影类型的证据。在13个基准测试上的实验表明，ACEF在创建更具泛化性的AI生成图像检测模型方面非常有效。
-
新论文将扩散模型反演视为一个凸优化问题
一篇新论文引入了一个理解扩散模型的数学框架，特别关注反演过程。研究表明，一个隐式的DDIM反演步骤可以作为一个凸优化问题，揭示了模型对局部流形几何的编码方式。论文详细说明了反演解的唯一性条件，并识别了求解器的潜在失败点，为模型校准和错误检测提供了理论基础。
-
新研究解决了扩散模型水印和攻击方法问题
两篇新研究论文介绍了用于扩散模型水印和攻击现有水印的新颖方法。第一篇论文FARI提出了一个快速的单步逆转框架，提高了鲁棒性并显著减少了水印验证的处理时间。第二篇论文FDDWAN提出了一个频率解耦的扩散网络，旨在有效去除图像中的不可见水印，同时保持感知保真度。
-
新研究解决文本到视频和文本到图像扩散模型的局限性
两篇新研究论文解决了扩散模型在图像和视频生成方面的挑战。第一篇TPD引入了一个无需训练的框架，通过恢复被抑制的后期事件信号来改进文本到视频模型，从而在不重新训练的情况下增强时序连贯性和视觉保真度。第二篇论文Dualin提出了一种用于文本到图像模型的两阶段方法，该方法联合恢复语义提示和潜在噪声，旨在提高视觉保真度并实现精确的图像编辑。
-
新的LaP-Forensics框架通过多模态推理增强深度伪造检测能力
研究人员开发了LaP-Forensics，一个新颖的多模态框架，旨在通过结合视觉分析和基于重建的取证证据来改进深度伪造检测。该系统利用Stable Diffusion DDIM反演重建模型生成残差图，该图指示与重建图像的局部兼容性。然后，该残差信息与原始RGB图像一起由Where-What-Why模型处理，以产生文本分析并识别伪影。实验证明了其在跨生成器检测和既定基准上的伪影定位方面的有效性，尽管在自由形式文本忠实度和后处理下的可靠性…
-
新的 TIGA 框架生成可规避检测的 AI 生成图像
研究人员开发了 TIGA，一个旨在生成可规避 AI 生成内容 (AIGC) 检测器检测的图像的新框架。与修改已生成图像或需要检测器感知训练的现有方法不同，TIGA 使用扩散模型的采样轨迹将对抗性属性直接集成到图像生成过程中。这种方法无需源图像或重新训练扩散模型即可创建可规避检测的图像，同时保持高感知质量。
-
新算法\pddim 为逆问题提供可证明的基于扩散的后验采样
研究人员开发了一种名为\pddim的新算法，该算法使用扩散模型更有效地解决线性逆问题，并提供理论保证。该方法修改了标准的DDIM采样器，通过轻量级的、逐坐标的调整来整合测量模型。该算法通过分别考虑测量算子的每个奇异方向来从后验采样，并根据信噪比在扩散先验和基于测量的预测器之间切换。实证结果表明，\pddim在图像恢复任务中优于现有的基于扩散的后验采样器，提供了一种可证明一致且易于实现的解决方案。
-
新型AI模型DiffARFNO增强喷墨打印液滴预测
研究人员开发了一个名为DiffARFNO的新框架，以改进喷墨打印中液滴演化的预测。该两阶段模型结合了用于初始长时程预测的自回归傅里叶神经算子（Fourier-MIONet）和用于精炼这些预测的条件去噪扩散隐式模型（DDIM）。DDIM校正器迭代地去噪和精炼粗略预测，恢复精细细节。实验表明，DiffARFNO在源自Ansys Fluent的液滴数据集上显著优于现有方法。
-
新方法修复了扩散模型中无分类器引导的不稳定性
研究人员发现扩散模型中无分类器引导（CFG）存在一个关键问题，即高引导水平会导致过饱和和不稳定性。他们提出了一种新颖的修复机制，用修改后的版本替换标准的CFG公式，在不增加计算成本的情况下有效稳定了该过程。这种新方法在测试网格上相对于传统CFG取得了显著的改进，获得了9/9个FID点数胜利，并在稳定Stable Diffusion 1.5等模型的强引导场景方面显示出潜力。
-
LLM驱动的智能体自动化生物轨迹分析，新方法提高预测精度 · 跟踪6个来源
研究人员开发了SpaCellAgent，一个新颖的基于LLM的多智能体框架，旨在自动化空间和单细胞转录组学中的轨迹推断和分析。该框架旨在减少此类分析通常需要的手动干预，为时空建模提供端到端解决方案。据报道，SpaCellAgent在保持专家级性能的同时，分析效率提高了40%以上。此外，IMR和ECTraj等新方法正在推进多智能体轨迹预测在自动驾驶等应用中的发展，重点是提高准确性和降低推理延迟。