Feb, 2024

社会物理启发的人群模拟扩散模型

PDF
TL;DR本文提出了一种称为 SPDiff 的社交社交物理驱动扩散模型，以解决物理驱动机器学习方法在群体模拟中无法全面建模人类移动的异质性和多模态问题。通过反向扩散过程，SPDiff 利用当前时间段中的交互和历史群体信息生成下一个时间段中行人移动的分布。通过设计群体交互模块，并运用群体交互的等变性属性进一步增强该模块，本文受社交力模型的启发，减小了噪声过滤过程中的误差累积。为了减轻长期模拟中的错误累积问题，本文提出了一种多帧展开训练算法来进行扩散建模。两个真实世界数据集上的实验证明了 SPDiff 在宏观和微观评估指标方面的优越性能。代码和附录可见该网址链接。
crowd simulationphysics-informed machine learningheterogeneitymulti-modalityspdiff
发现论文，激发创造
  • PhysDiff：物理引导的人体运动扩散模型

    提出一种新的物理引导的运动扩散模型 (PhysDiff)，该模型将物理约束条件融入到扩散过程中，并利用物理仿真中的运动模拟来将降噪后的运动投影为物理合理运动，以此指导降噪扩散过程，并在大规模人类运动数据集上进行实验，取得了最先进的运动质量和显着的物理合理性改进（对于所有数据集 > 78%）。

    Dec, 2022

  • 用物理信息扩散模型生成合成网负荷数据

    本研究提出一种新颖的物理知情扩散模型，用于生成合成的净负荷数据，解决数据稀缺和隐私问题。该模型将物理模型嵌入去噪网络中，提供了一种多功能方法，可以轻松推广到未预料的情景。利用来自 Pecan Street 的真实智能电表数据，我们验证了所提出的方法，并通过与生成对抗网络、变分自动编码器、标准化流以及经过良好校准的基线扩散模型等最先进的生成模型进行了全面的数值研究，使用一套全面的评估指标来评估生成的合成净负荷数据的准确性和多样性。数值研究结果表明，所提出的物理知情扩散模型在所有定量指标上优于最先进的模型，至少提供了 20% 的改进。

    Jun, 2024

  • 物理相关扩散模型

    通过在模型训练过程中加入约束条件使其生成的样本更符合所施加的约束，从而提高生成样本与约束的一致性，且相较于现有方法有更好的性能且不影响推断速度；该方法还可以自然地防止过拟合。

    Mar, 2024

  • Pi-fusion: 物理信息扩散模型用于学习流体力学

    利用物理信息引导的扩散模型 Pi-fusion，加上逆向学习策略，用于预测流体动力学中速度和压力场的时间演化，表现出较大的泛化性能。

    Jun, 2024

  • 基于神经社会物理学的人类轨迹预测

    本研究提出了一种新的轨迹预测方法，该方法结合了基于规则、几何或优化的模型和基于深度学习的方法，使用了一个新的神经微分方程模型（Neural Social Physics），能够较好地模拟行人行为，并在六个数据集上将性能提高了 5.56% -70%。

    Jul, 2022

  • 基于视觉信息的人群仿真模型研究 —— 基于时空卷积网络

    本文提出了一种基于视觉信息的众包模拟模型（VID），该模型通过使用先前的社会视觉信息和个体的运动数据来预测行人下一时间步的速度。通过测试该模型在具有不同几何结构的三个公共行人运动数据集上，结果显示该模型在适应不同几何情景方面的能力得到了提升，证明了所提出方法在增强数据驱动人群模型的适应性方面的有效性。

    Nov, 2023

  • DYffusion: 基于动态信息的时空预测扩散模型

    文章提出了一种新的 diffusion model 的训练方法，通过将数据中的时间动态信息直接耦合在网络的 diffusion steps 中，训练了一个 stochastic time-conditioner interpolator 和一个 backbone forecaster network，从而实现了多步和长距离的时序预测能力。实验结果表明该方法对于复杂的动态状态预测有较强的表现。

    Jun, 2023

  • 通过扩散生成模型学习近似粒子平滑轨迹

    从稀疏观测数据中学习动力系统是许多领域（包括生物学、金融学和物理学）的一个关键问题。这篇论文介绍了一种将条件粒子滤波与祖先采样和扩散模型相结合的方法，能够生成与观测数据相符合的逼真轨迹。该方法基于迭代条件粒子滤波与祖先采样生成匹配观测边缘概率的合理轨迹，并学习相应的扩散模型。该方法既为复杂约束下高质量、平滑的轨迹提供了一种生成方法，又有效近似了粒子平滑分布在经典跟踪问题中。我们在时间序列生成和插值任务上展示了该方法，包括车辆追踪和单细胞 RNA 测序数据。

    Jun, 2024

  • 利用偏微分方程模拟在线社交网络中的信息传播

    本文对建立于局部距离上的反应扩散方程为基础的，由真实数据集验证的数学模型展开了讨论并提出了新的发展与挑战，旨在研究层次与主题对信息传播的影响。

    Oct, 2013

  • InterDiff: 使用物理信息扩散生成三维人物与物体的相互作用

    该论文提出了一种预测三维人物 - 物体交互（HOIs）的新方法。通过引入交互扩散和交互校正两个关键步骤，利用扩散模型编码未来人物 - 物体交互的分布，并引入物理感知预测器以纠正去噪后的 HOIs，该方法在多个数据集上的实验证明了其在生成逼真、生动且长期的三维 HOI 预测方面的有效性。

    Aug, 2023