Jan Tauberschmidt

新型生成模型学习在已学习流形上的连续时间数据演化

研究人员开发了一种新颖的生成模型方法，用于处理依赖于时间的数据，超越了离散时间步长，实现了在已学习数据流形上的连续时间演化。该方法利用预训练的评分模型作为几何先验，学习一个矢量场，该矢量场沿着尊重已学习几何的路径插值数据。这使得能够在任意时间戳生成数据并实现时间超分辨率，矢量场通过无模拟的回归目标进行训练。该框架还包含一个用于长时程展开鲁棒性的目标，并扩展到概率设置以模拟未来轨迹，在视频和科学动力学数据上取得了成功。