Jun, 2020

SoftFlow：流形概率归一化流框架

PDF
TL;DR本文提出了 SoftFlow，一种用于训练流模型的概率框架，能够更好地捕捉流模型的困难维度，并通过应用于三维点云数据，可以更准确地预测各种形状的分布，达到了流模型生成方面的最佳表现。
flow-based generative modelssoftflownormalizing flowsmanifolds3d point clouds
发现论文，激发创造
  • 维度通用的正则化流

    本研究介绍了一种名为 NIF 的流行有噪声映射模型，可以通过注入变换学习数据流形的降维表示，有效提高了样品质量和数据嵌入的可分性。

    Jun, 2020

  • 黎曼连续归一化流

    本文提出 Riemannian 连续正规化流模型，通过设置连续性流作为常微分方程的解来定义流，其可以对光滑流形上的灵活概率测度进行有效参数化，在合成和现实数据方面与标准流或先前介绍的预测流相比可以显著提高表现。

    Jun, 2020

  • 使用数据流形上的标准化流进行外分布检测

    使用低维流形的测度和距离作为离群检测的标准，实验结果表明流形学习改善了归一化流这一类基于似然模型的离群检测能力，而无需修改模型结构或使用训练期间的辅助离群数据。

    Aug, 2023

  • 学习流形上的可追踪密度估计与共形嵌入流

    本文提出一种名为 Conformal Embedding Flows 的框架，旨在为具备低纬度流形的数据提供可追踪密度的规范流模型，并通过一系列实验验证其有效性。

    Jun, 2021

  • 矩形流形学习

    本文提出了两种方法，通过使用自动微分和数值线性代数技术，以可计算的梯度的形式，实现了端到端的非线性流形学习和密度估计，有效地解决了流形上的体积变化问题，并且在流形学习和流形上的分布估计等方面表现优越。

    Jun, 2021

  • 在 SO (3) 流形的乘积空间上进行正则流用于概率人体姿势建模

    在旋转表示中，标准化流已经证明了它们在欧几里得空间中密度估计的功效，但其在各个领域如机器人技术或人体姿势建模中的应用仍未充分探索。我们引入了 HuProSO3，一个在 SO (3) 流形的高维乘积空间上运行的标准化流模型，用于对具有三个自由度的人体关节的联合分布进行建模。通过在三个不同应用中表现出的卓越建模准确性和准确似然度量能力，HuProSO3 相比现有方法具有优势。这项工作不仅解决了在 SO (3) 流形上学习密度的技术挑战，也对需要对相关的 3D 旋转进行概率回归的领域具有广泛的影响。

    Apr, 2024

  • PointFlow：使用连续归一化流进行三维点云生成

    本文提出了一种基于一级形状分布和二级点分布的概率框架，通过 PointFlow 学习两个级别的分布，并采用连续归一化流训练，进而生成 3D 点云，实现了无监督学习和重建点云，达到了最先进性能。

    Jun, 2019

  • 混合高斯流用于多样化轨迹预测

    通过使用基于流的模型将混合高斯先验转换为未来轨迹流形，我们提出了一种具有生成多样轨迹模式能力的模型，使得流模型不再只是寻求预期流形上最可能的轨迹，而是一系列具有明确可解释性的受控流形。

    Feb, 2024

  • 探究在 SO (3) 流形上的离散归一化流用于概率旋转建模

    本文提出了一种结合 Möbius 变换 - 环耦合层和四元数仿射变换的正交群上的正则化流方法， 可以有效地表示旋转上的任意分布，并且可以在给定输入观测值的条件下建立目标分布，具有显著的条件和无条件任务性能优势。

    Apr, 2023

  • HuManiFlow: 在 SO (3) 流形上，对祖先进行调整的正则化流，用于人类姿势和形状分布估计

    本文介绍了一种名为 HuManiFlow 的方法，利用概率分布和正规化流预测 3D 人体姿态和形状，同时具备准确性、一致性和多样性，解决了估计不明确的问题。

    May, 2023