实体
Xiaofeng Tan
Xiaofeng Tan
PulseAugur coverage of Xiaofeng Tan — every cluster mentioning Xiaofeng Tan across labs, papers, and developer communities, ranked by signal.
总计 · 30天
2
90 天内 3
发布 · 30天
0
90 天内 0
论文 · 30天
2
90 天内 3
层级分布 · 90 天
主题
情绪 · 30 天
2 天有情绪数据
最近 · 第 1/1 页 · 共 3 条
-
新研究强调了文本到图像模型中RLHF的多样性崩溃
研究人员发现，在应用于基于流匹配的文本到图像模型时，强化学习（RLHF）存在一个关键缺陷。虽然标准的策略熵常用于在强化学习中保持多样性，但该度量对于流模型无效，因为它即使在感知多样性崩溃时也保持不变。这是因为流模型中固定的噪声调度导致熵恒定，而策略梯度的模式寻求性质导致模型收敛到一个狭窄的高奖励区域。为解决此问题，研究人员提出使用感知熵，它能准确地捕捉感知空间中的多样性，并引入了两种新策略：感知熵约束（PEC）和生成空间上的感知约束。…
-
MotionRFT框架通过强化学习增强文本到运动生成
研究人员推出了一种新颖的文本到运动生成框架MotionRFT，该框架利用强化微调。该方法通过使用统一的运动表示语义空间和一种称为EasyTune的高效微调技术，解决了现有方法的局限性。MotionRFT旨在提高生成运动的语义一致性和真实感，同时降低计算开销和数据需求。
-
新的扩散模型通过频率引导增强视频异常检测
研究人员开发了一种新颖的用于骨骼视频异常检测的频率引导扩散模型。该模型通过训练一个生成器来产生扰动样本，从而增强了鲁棒性，这有助于重建模型更好地泛化到未见的正常运动。此外，它利用二维离散余弦变换来分离高频和低频运动分量，优先重建低频元素以实现更准确的异常检测。在五个数据集上的实验表明，该方法优于现有方法。