实体
diffusion-based models
diffusion-based models
PulseAugur coverage of diffusion-based models — every cluster mentioning diffusion-based models across labs, papers, and developer communities, ranked by signal.
总计 · 30天
1
90 天内 3
发布 · 30天
0
90 天内 0
论文 · 30天
1
90 天内 3
层级分布 · 90 天
主题
情绪 · 30 天
1 天有情绪数据
最近 · 第 1/1 页 · 共 3 条
-
新研究质疑表格数据生成进展，倾向于概率电路
一篇新论文对表格数据生成的当前最先进技术提出了质疑，认为基于扩散的模型虽然看似有效，但很大程度上是由于评估指标不足。研究人员 Dylan Ponsford 及其同事提出，深度概率电路（PC），一种更简单的基线模型，可以以更低的计算成本获得具有竞争力或更优越的结果。该研究强调需要更严格的评估协议来准确评估生成逼真表格数据的进展。
-
新方法提升自回归图像生成的安全性和效率
研究人员开发了一种新颖的方法，通过迭代改进其码本（codebooks）来增强自回归图像生成模型的安全性。该方法利用模型自身的理解来识别和消除有害的图像-文本映射，然后使用安全示例对码本进行微调，以保持生成质量。另外一项研究引入了ScalingAR，一个用于测试时缩放的框架，旨在通过使用令牌熵（token entropy）作为置信度信号来提高自回归图像生成的效率和鲁棒性，从而在无需早期解码或外部奖励模型的情况下获得显著的性能提升。
-
新的UCD方法增强了三维分子图的生成
研究人员开发了一种名为不确定性校准扩散（UCD）的新方法，以改进三维分子图的生成。该技术解决了扩散模型中的认知不确定性问题，这种不确定性可能导致生成的分子结构不准确和化学无效。UCD校准扩散过程，以更好地考虑这种不确定性，从而提高了采样质量，并在标准基准测试中取得了新的最先进性能。