AAAIDec, 2023

SO (3) 上扩散生成模型的统一框架：在计算机视觉与天体物理学中的应用

PDF
TL;DR我们开发了基于分数的生成模型（SGMs）和去噪扩散概率模型（DDPMs）的扩展，用于三维旋转的李群 SO（3），并应用于合成密度和姿态估计任务，在天体物理学 / 宇宙学中预测相关星系方向。
发现论文，激发创造
  • 用于生成３D 分子的几何完备扩散

    提出了 GCDM 模型，该模型采用几何完整的消息传递图神经网络，在 DDPM 框架内宣称新的 3D 分子扩散生成的最新成果，并提供了与分子 DDPM 生成动态相关的物理归纳偏差的初步见解。

    Feb, 2023

  • 扩展黎曼扩散模型

    基于黎曼流模型，通过改进近似方法和利用对称空间，我们能够在高维度上学习分布并得到明显改进，包括模拟非平凡流形上的 QCD 密度并对高维超球上的学习嵌入进行对比实验。

    Oct, 2023

  • Diffusion-EDFs: SE (3) 上的双等变去噪生成建模，用于视觉机器人操作

    本文介绍了 Diffusion-EDFs，一种新颖的方法，将 SE (3)- 等变性（roto-translation equivariance）引入扩散生成模型中，展示出了卓越的数据效率，只需要 5 至 10 个任务演示进行有效的端到端训练，并且相比以前的基于扩散的操作方法，具有更好的泛化能力。

    Sep, 2023

  • SE (3) 不变空间中的扩散过程

    通过微分几何的视角，本研究对 SE (3) 不变空间中的扩散机制进行了数学界定，揭示了坐标与点间距流形之间的相互作用行为，并提出了准确且无需投影的扩散 SDE 和 ODE 公式，从而提高了生成路径的性能和速度，并为其他包含 SE (3) 不变性的系统提供了有价值的见解。

    Mar, 2024

  • 黎曼扩散模型

    本文介绍了一种新的图像生成和似然估计方法 —— 扩展连续时间扩散模型到任意黎曼流形，提出了一种似然估计变分框架，并在黎曼流形上证明其等价性，证明了这种新方法在各个评测标准上得到了新的最先进的表现。

    Aug, 2022

  • Diffusion$^2$: 通过正交扩散模型的得分组合生成动态 3D 内容

    Diffusion$^2$ 是一种新颖的框架，通过从视频数据和多视图扩散模型获取几何一致性和时间平滑性的知识，直接生成密集的多视图和多帧图像，优化连续性 4D 表示，从而在几分钟内生成 4D 内容。

    Apr, 2024

  • 基于扩散的图生成模型：方法与应用

    本论文总结了扩散模型在图像生成方面的成功，并介绍了扩散模型在图生成方面的应用，特别是从分子和蛋白质建模方面进行了重点讨论，并讨论了扩散模型在图结构数据中的新方向。

    Feb, 2023

  • 通过 SE (3) 上基于分数的扩散解决 6D 目标姿态估计中的歧义问题

    通过引入得分基础扩散方法进行 $SE (3)$ 分组，针对姿态估计任务进行特定设计，优化 Langevin 动力学的收敛性和计算效率。在实验中，证明该方法处理姿态的模糊性，缓解透视引起的模糊性并展示了该 surrogate Stein 分数制定在 $SE (3)$ 上的鲁棒性。因此，我们开创了一种有前途的 6D 对象姿态估计策略。

    May, 2023

  • 几何神经扩散进程

    本文将扩展扩散模型的框架，将几何先验引入无限维建模，并通过构建噪声过程和近似得分实现对称性，展示了该模型适用于模拟扩散模型的任意对称性情景以及在复杂的合成场景和天气数据上的可扩展性和容量。

    Jul, 2023

  • 基于 SE (3) 扩散模型的点云配准方法用于鲁棒的 6D 物体位姿估计

    本研究介绍了一种基于 SE (3) 扩散模型的点云注册框架，用于实现现实场景下的 6D 物体姿态估计。我们的方法将 3D 注册任务作为一种去噪扩散过程，逐步改进源点云的姿态，以与模型点云精准对齐。通过 SE (3) 扩散过程和 SE (3) 反向过程对我们的框架进行训练。

    Oct, 2023