实体
Diffusion Generative Models
Diffusion Generative Models
PulseAugur coverage of Diffusion Generative Models — every cluster mentioning Diffusion Generative Models across labs, papers, and developer communities, ranked by signal.
总计 · 30天
0
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
0
90 天内 2
层级分布 · 90 天
主题
最近 · 第 1/1 页 · 共 2 条
-
Diffusion models generate synthetic EEG data to improve hearing aid attention decoding
研究人员开发了一种使用扩散概率模型（DPM）为助听器中的听觉注意力解码（AAD）生成合成脑电图（EEG）数据的方法。该方法解决了真实语音诱发EEG数据有限的挑战，而这种数据通常会限制深度学习模型。通过使用DPM生成的逼真合成EEG信号来扩充数据集，研究表明，与仅在测量数据上训练的模型相比，在注意力定位分类任务的AAD性能方面有了显著提高。
-
Fréchet 距离损失增强医学图像生成
研究人员开发了一种新方法，使用扩散模型来改进合成医学图像的生成。提出的 Fréchet Distance loss (FD-loss) 技术通过对齐真实图像和生成图像的统计特征来微调这些模型，这有助于比标准的每像素误差最小化更准确地捕捉复杂的肿瘤结构。当在经过 FD-loss 增强的合成数据上训练下游分割网络时，它们在肿瘤分割的 Dice Similarity Coefficient (DSC) 方面显示出超过 5% 的一致性能提升。