conditional sampling | BriefGPT

关键词conditional sampling

搜索结果 - 13

DEFT：通过学习广义 $h$- 变换实现条件扩散模型的高效微调
利用 Doob 的 h - 变换统一现有方法的条件训练和采样，我们提出了一种新的条件生成方法 DEFT（Doob 的 h - 变换高效微调），通过微调一个非常小的网络快速学习条件 h - 变换，同时保持较大的无条件网络不变，从而在各种线性和
PDFa month ago
迭代精化模型中的逆问题快速抽样器
构建快速采样器以进行无条件扩散和流匹配模型近期备受关注；然而，现有方法在解决超分辨率、修复或去模糊等逆问题时仍需要数百到数千次迭代步骤以获得高质量结果。我们提出了一种插拔式框架用于构建逆问题的高效采样器，只需要预先训练的扩散模型或流匹配模型
PDFa month ago
使用扩散图进行稳定的生成建模
我们提出了一个结合扩散映射和兰格朗日动力学的生成模型，通过扩散映射近似训练样本的漂移项，并在离散时间的兰格朗日采样器中实现，以生成新样本。通过设置核带宽与未调整的兰格朗日算法中使用的时间步长相匹配，我们的方法有效地解决了通常与时间步长严重随
PDF6 months ago
弥合差距：解决分类器自由引导的扩散模型训练中的不一致性
为了解决传统训练方法与生成模型的条件抽样行为之间的差异，本文介绍了一种更新的损失函数，通过改进训练目标与抽样行为的一致性来提高样本质量，并对不同的引导比例进行了实验验证。
PDF8 months ago
ICCV利用单目图像和交互先验重建交互双手
通过构建二手交互先验并将交互重建任务重新定义为对先验的条件采样，我们提出了一种用于单目图像中手部交互重建的方法。通过大规模多模态数据集和可行性统计，我们进一步利用 VAE 将这些交互模式压缩为潜在代码在先验分布中。与用于定位的关节热图相比，
PDF10 months ago
通过迭代近似祖先采样实现变分自动编码器的条件抽样
用于缺失数据填补等多种应用中需要条件抽样的变分自动编码器 (VAEs) 是计算不可行的。本文解决了 Metropolis-within-Gibbs (MWG) 在 VAEs 中存在的问题，提出了两种解决方法，并在一组抽样任务上展示了改进的性
PDFa year ago
使用数据水印的集合成员推断攻击
我们提出了一种使用深度图像水印技术进行生成模型的集成成员推理攻击的方法，通过条件采样从生成模型中可以揭示被注入到训练数据部分的水印。我们的实证结果表明，所提出的水印技术是一种用于检测生成模型中图像数据的非自愿使用的有原则的方法。
PDFa year ago
ICML物理动力系统扩散模型中的用户定义事件采样与不确定性量化
通过开发一种概率近似方案，使扩散模型能够在推理时间内有条件地采样非线性用户定义事件，从而匹配数据统计，即使从分布的尾部进行采样。
PDFa year ago
StyleGenes：离散和高效的 GAN 潜在分布
本文提出了一种基于基因启发式模型的离散潜在分布，可以在保留最高水平的照片逼真度的同时，比广泛使用的 StyleMapping 网络实现更好的去关联性，实现了从先前无条件训练的模型中实现有条件采样。
PDFa year ago
ICLR利用扩散模型对手写数据进行建模
本文介绍了一种名为 “ChiroDiff” 的非自回归模型，它学会了捕捉整体概念，能够更好地处理手写、素描等实时几何构造数据，并且还能够灵活地实现很多重要的下游应用。研究表明，该模型在相关数据集中的定量与定性评估中表现良好，并且能够更好地或
PDFa year ago
视频扩散模型
本研究通过提出扩展图像扩散结构的扩散模型，使得可以自然地对图像和视频数据进行联合训练以生成高保真度的时空连续的视频，并引入一种更好的有条件采样技术，得到了在文本条件视频生成任务及视频预测和无条件视频生成方面的最先进结果。
PDF2 years ago
ICCVLSD-StructureNet: 3D 部件层次结构中结构细节模型化
本文提出了一种增强的 StructureNet 结构，名为 LSD-StructureNet，使得其能够生成位于任意位置的零件，并且不影响推理速度或输出的真实性和多样性，从而解决了之前基于整体建模的 3D 形状生成模型无法进行条件采样的问题
PDF3 years ago
条件负采样用于视觉表征对比学习
本文中介绍了一种新的图像对比学习方法，该方法采用有条件的负采样策略来优化互信息估计，与传统的噪声对比估计相比，该方法在多个标准数据集上都获得了 2-5% 的准确度提升，并且在物体检测、实例分割、关键点检测等下游任务中也获得了更好的性能表现。
PDF4 years ago