diffusion
PulseAugur coverage of diffusion — every cluster mentioning diffusion across labs, papers, and developer communities, ranked by signal.
2 天有情绪数据
-
新型扩散模型增强多智能体运动预测
研究人员开发了一个新的基于扩散的框架，以改进多智能体运动预测。该方法利用历史轨迹的上下文信息来增强预测运动的多样性和表现力。为了确保交互式智能体之间的一致性，基于能量的公式在保持个体轨迹合理性的同时，对联合轨迹分布进行优化。在基准数据集上的实验表明，该方法在边际和联合指标上均优于现有方法。
-
新的HITL-D框架将人类控制与AI融合，用于机器人操作
研究人员开发了HITL-D，一个结合人类输入和基于扩散的AI策略用于机器人操作的新共享控制框架。该系统旨在通过提供末端执行器方向的自主更新，减少对操纵杆的广泛控制需求，并降低心智负荷，从而提高用户在复杂任务中的表现。一项包含12名参与者的用户研究表明，与传统遥操作相比，HITL-D将任务完成时间缩短了40%，感知工作量降低了37%。
-
新工具通过优化优化器状态来减少AI训练中的GPU内存使用量
研究人员开发了一种预算感知优化器配置器（BAOC），以解决大规模模型训练过程中显著的GPU内存消耗问题。BAOC根据梯度行为以及指定的内存和时间预算，智能地为不同的网络块分配不同的优化器配置。该方法旨在在不影响训练质量的情况下减少内存使用量，并在视觉、语言和扩散模型上的实验中得到了证明。
-
新的流匹配模型为生成任务提供高级控制
研究人员开发了两种新方法来增强流匹配生成模型。一种方法 HardFlow 将硬约束采样重新构建为轨迹优化问题，允许在生成过程结束时精确满足约束，并提高机器人和图像编辑等各种领域的样本质量。另一种方法 Branching Flows 引入了一个框架，其中元素通过二叉树森林演化，能够进行随机分支和删除以控制序列长度，这对于语言模型响应或蛋白质设计等任务特别有用。