PulseAugur
实时 00:28:23
实体 Energy-based generative models

Energy-based generative models

PulseAugur coverage of Energy-based generative models — every cluster mentioning Energy-based generative models across labs, papers, and developer communities, ranked by signal.

Show in brief
总计 · 30天
1
90 天内 1
发布 · 30天
0
90 天内 0
论文 · 30天
1
90 天内 1
层级分布 · 90 天
情绪 · 30 天

1 天有情绪数据

最近 · 第 1/1 页 · 共 1 条
  1. TOOL · CL_43582 ·

    新的扩散分类损失改进了基于能量的生成模型

    研究人员引入了一种名为扩散分类(DiffCLF)的新方法来改进基于能量的生成模型的训练。该技术将学习过程重构为跨不同噪声级别的监督分类任务,与直接最大似然或分数匹配等现有方法相比,它更具计算效率,并且不易出现模式崩溃。DiffCLF目标可以与标准基于分数的模型集成,实验表明它在组合采样和玻尔兹曼生成器采样等任务中具有更高的保真度和更广泛的适用性。