diffusion prior
PulseAugur coverage of diffusion prior — every cluster mentioning diffusion prior across labs, papers, and developer communities, ranked by signal.
1 天有情绪数据
-
生成式轨迹规划（GTP）框架提升AI决策能力
研究人员推出了一种新颖的基于模型的框架——生成式轨迹规划（GTP），旨在通过学习一个生成模型作为动作序列的提议分布来改进在线决策。该方法通过实现高效的远期推理来解决现有方法的局限性。GTP从扩散先验中采样候选动作序列，并使用学习到的动力学、奖励和价值模型对其进行优化。实验表明，GTP在连续控制和远期操作任务中，即使在其他方法性能下降的情况下，也能达到或超越最先进的基线水平。
-
TRACE-GS框架通过特权几何增强3D高斯泼溅恢复
研究人员推出了一种新颖的框架TRACE-GS，用于改进3D高斯泼溅（3DGS）恢复，尤其是在稀疏视图场景下。该方法采用策略内轨迹蒸馏，在训练过程中利用特权几何信息来指导扩散先验。通过将去噪方向和跨视图响应与学生模型自身的滚动对齐，TRACE-GS解决了当前基于扩散的恢复技术的局限性。该框架在特权信息学习（LUPI）范式内运行，部署时仅保留学生模型，然后由学生模型优化3DGS渲染。
-
新研究论文详细介绍了贝叶斯逆问题中的“先验洗白”
一篇新研究论文介绍了“先验洗白”的概念，这是一种将学习到的生成先验用于病态贝叶斯逆问题的方法。该方法涉及在真实数据稀缺的情况下（例如在地震或医学成像中）使用历史重建的存档。论文认为，这个过程可能导致后验不确定性中继承的、无法检测到的过度自信，因为报告的不确定性可能反映了存档的信念，而不是数据的实际可分辨性。作者建议报告测量可分辨的方向，以区分数据支持的信心和继承的信念。
-
RadioTrace 使用扩散模型改进无线电地图估计
研究人员开发了 RadioTrace，这是一个用于从稀疏无线信号测量中估计无线电地图分布的新框架。该方法将预训练的扩散模型与稀疏 RSS 测量相结合，关键是将发射机位置估计直接纳入去噪过程。RadioTrace 还使用传播引导的 K-means 初始化来提高鲁棒性，并为其发射机坐标细化组件提供稳定性分析。实验表明，RadioTrace 的性能与最先进的方法相当，在频谱管理和定位等应用中表现出适应性和鲁棒性。