score-based models
PulseAugur coverage of score-based models — every cluster mentioning score-based models across labs, papers, and developer communities, ranked by signal.
1 天有情绪数据
-
生成式AI模型在天气数据同化方面展现出潜力
研究人员开发了使用生成式AI进行天气数据同化的新方法，为传统数值天气预报提供了一种计算效率更高替代方案。一项在真实气象站数据上比较扩散模型和流匹配模型（diffusion and flow matching models）的基准研究发现，学习到的生成式先验（learned generative priors）的性能显著优于经典方法，与ERA5相比，RMSE降低了35.7%，而经典方法为33.3%。研究还强调了在稀疏观测环境下，推理过程…
-
新库将12种生成模型统一为均场博弈
研究人员推出MFGLab，一个开源的PyTorch库，在一个变分问题框架下统一了十二种连续时间生成模型。该方法将Continuous Normalizing Flows、OT-Flow和基于分数的模型等视为均场博弈（MFGs）的特例。该库允许用户通过可组合的成本元组指定模型，自动处理训练循环和采样。此外，该论文提出了一种新的成本设计DI-Flow，该设计包含一个可微分的熵泛函，以增强模式覆盖，并引入了基于学习的MFG求解器，在特定任务…
-
基于得分的模型为无线信道估计提供了新视角
一篇新的研究论文探讨了基于得分的生成模型在无线通信中的应用，特别是在信道估计方面。该研究通过感知-失真权衡的视角来审视这一应用，分析了在何种情况下基于得分匹配的方法优于传统的判别式学习方法。数值结果表明，在预测不确定性高的场景下，基于得分的估计是有益的，能够实现接近贝叶斯最优的预编码，而判别式方法由于复杂度较低，更适用于预测不确定性低的场景。