关键词diffusion generative model
搜索结果 - 5
- 通过后验采样解决一般有噪音的逆问题:一种策略梯度视角
使用预训练扩散生成模型以输入图像为指导,通过 Diffusion Policy Gradient 方法精确估计输入图像的指导评分函数,解决多种线性和非线性反问题,并在 FFHQ、ImageNet 和 LSUN 数据集上实现更高的图像恢复质量 - 生成分子构象场
本论文探讨了在给定分子图的情况下如何在三维空间中生成分子构象的问题,并将这些构象参数化为将分子图中的元素映射到三维空间中的连续函数。我们通过使用扩散生成模型 —— 分子构象场(Molecular Conformer Fields,MCF)来 - 使用扩散模型进行有偏追踪器的暗物质场概率重建
基于先进的星系形成模拟套件,利用扩散生成模型预测给定恒星质量场的潜在暗物质场的无偏后验分布,并能够消除在宇宙学和星系形成中的不确定性。
- 事件序列预测的交互扩散过程
我们提出了一种使用扩散生成模型的新方法,该模型能够预测基于历史事件序列的多步预测,并学习多个事件类型的类型和时间间隔的联合概率分布,以实现对长时间跨度的预测。
- 扩散模型作为即插即用先验
该论文探讨了在先验概率和一个基于 $x$ 和 $y$ 的不等式约束条件下利用高维数据推断潜在结果。通过使用一个独立训练的去噪扩散生成模型和不同的不等式约束,该方法能应用于各种不同领域的任务,例如条件生成、图像分割以及求解组合优化问题等。