实体
Probability Flow ODE
Probability Flow ODE
PulseAugur coverage of Probability Flow ODE — every cluster mentioning Probability Flow ODE across labs, papers, and developer communities, ranked by signal.
总计 · 30天
3
90 天内 3
发布 · 30天
0
90 天内 0
论文 · 30天
3
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
-
新的CACFM方法使用强化学习加速扩散模型推理
研究人员开发了一种名为曲率自适应一致性流匹配（CACFM）的新方法，以加速扩散模型的推理。该方法使用强化学习代理动态优化概率流ODE轨迹，解决了生成过程初始化和精炼阶段的瓶颈。CACFM集成了新颖的流分布匹配蒸馏目标，通过在少数几步生成中保留高频细节，在FLUX和SDXL等模型上取得了最先进的结果。
-
新StAD方法加速生成模型似然计算
研究人员开发了一种名为StAD的新方法，以提高扩散和流模型生成器中似然计算的速度和准确性。该技术绕过了计算概率流ODE的雅可比矩阵的需要，而是使用Langevin-Stein算子直接学习散度。StAD在各种密度估计任务上已证明其性能与Hutchinson和Hutch++等现有方法相比具有竞争力，显示出更高的方差和速度。
-
ExpoCM框架加速HDR图像重建
研究人员开发了ExpoCM，一个用于从单个低动态范围输入重建高动态范围（HDR）图像的新框架。该方法通过将问题重新表述为概率流ODE来解决过曝区域细节丢失和欠曝区域噪声的问题。ExpoCM使用曝光感知一致性轨迹和曝光引导损失函数，与现有的扩散模型相比，提高了图像质量并显著加快了推理时间。