- GeoGen：通过带符号距离函数的几何感知生成建模
我们介绍了一种新的生成方法，通过单视图集合合成三维几何和图像。使用神经辐射场的体积渲染预测是目前现有方法的主要限制之一。为了解决这个问题，我们提出了一种基于有向面积函数的三维生成模型 GeoGen，通过学习可改变的转换并将渲染深度图与 SD - 一种矩匹配约束的方法及其在半监督学习中的应用
通过引入基于矩的新型嵌入约束，以及使用具有联合分布的最终层的 Axis-Aligned Gaussian Mixture Model (AAGMM) 层来解决 softmax 网络中的异常值敏感性问题，并在半监督图像分类领域实现与 Flex - 气候的生成性扩散降尺度
通过扩大比例或超分辨率，为决策者提供关于气候模型输出的气候变化潜在风险和影响的详细高分辨率信息。机器学习算法在下降尺度方面表现出高效和准确的方式。本研究展示了一种生成式扩大、基于扩散的方法，能够提供精确的下降尺度结果。相比标准的 U-Net - scRDiT: 扩散变压器生成单细胞 RNA 测序数据并加速采样
利用单细胞 RNA 测序 (scRNA-seq) 技术，该研究介绍了一种基于生成式方法 (scRDiT) 的神经网络模型，能够重现具有相似统计特性的虚拟 scRNA-seq 数据集，实验证明其优越性能。
- 去噪自回归表示学习
本论文提出了一种新的生成方法 ——DARL，它使用仅有解码器的 Transformer 来自主预测图像块。我们发现仅使用均方差（Mean Squared Error，MSE）进行训练可以得到强大的表示。为了增强图像生成能力，我们用去噪补丁解 - ViewFusion: 学习可组合的扩散模型用于新视角合成
通过深度学习，本研究提出了一种新颖的视角合成方法 ViewFusion，其以端到端的生成方式灵活地综合多个输入视角，消除噪声并生成高质量的视角，相较于现有方法具有更好的泛化性能和适用性。
- BrepGen: 结构化潜在几何体的 B-Rep 生成扩散模型
BrepGen 是一种基于扩散的生成方法，可直接输出边界表示（B-rep）的计算机辅助设计（CAD）模型，并在 CAD 实体的层次树中表示 B-rep 模型的结构化潜在几何。
- 知识图谱上的归因逻辑推理
提出了一种针对知识图谱的诱导逻辑推理任务的生成模型方法，该方法使用监督学习和增强学习从观测中生成逻辑假设，并借助增强学习从知识图谱中提供更好的观测解释，实验证明该方法在三个常用知识图谱上取得了最先进的结果。
- FaceTalk：面部动作驱动的神经参数化头部模型的运动扩散
FaceTalk 是一种新颖的生成方法，用于从输入音频信号中合成具有高保真度的人头部 3D 运动序列。
- DDxT: 深度生成变换模型用于鉴别诊断
通过使用基于 Transformer 的生成模型 DDxT，该论文展示了一种自动化的差异诊断方法，其在消除了大量可能的病理学情况后能够生成可能的病理学选择，并使用神经网络预测真实的病理学，相较于以往基于强化学习的方法在当前基准测试中取得了更 - 扩散条件期望模型用于高效稳健的目标语音提取
我们提出了一种名为 Diffusion Conditional Expectation Model（DCEM）的高效生成方法，用于目标语音提取（TSE），它可以处理多个和单个说话者的情况，包括噪声和干净条件，并且我们还引入了 Regener - 基于形状引导的条件潜在扩散模型用于脑血管合成
利用条件潜在扩散模型与形状和解剖导向相结合，提出了一种新颖的生成方法，能够生成逼真的三维 Willis 环分割，包括不同的表型变异，性能优于其他生成模型，包括条件 3D GAN 和 3D VAE。
- 从单模态到多模态：通过深度生成模型改进基于 sEMG 的模式识别
通过使用深度生成模型生成虚拟惯性测量单元信号，将 sEMG 信号和生成的虚拟 IMU 信号输入多模态卷积神经网络模型，可以显著提高基于 sEMG 的手势识别的准确性。
- ICCV利用合成提示来提升 CLIP 的零样本泛化能力
本文提出了一种基于生成式方法的模型适配方案 (SHIP)，使用文本和图像信息进行训练的预训练模型 (CLIP) 可以在没有标签的类别上表现出更好的效果。在对基础数据集到新的数据集的泛化、跨数据集的迁移学习和广义的零样本学习等方面进行了广泛实 - 可控扩散模型用于天文无线电图生成
为了扩充现有的数据集并解决类别失衡的问题，我们提出了名为 RADiff 的条件扩散模型生成方法，用来生成包含不同形态的射电源的合成图像，同时还展示了我们训练深度学习模型并在数据集上实现语义分割任务的有效性。
- 利用生成人工智能增强灰盒模糊测试
本文介绍了一种名为 ChatFuzz 的灰盒模糊测试工具，它利用生成式人工智能生成特定格式的输入，以提高输入测试质量和覆盖范围，实验结果表明在特定情况下，该工具能比当前最先进的 AFL++ 模糊测试工具更好地检测程序漏洞。
- ACL产品属性值识别的统一生成方法
本研究探讨了使用生成模型的产品属性值识别（PAVI）任务，通过微调预训练的 T5 模型，可以在真实世界数据集上优化现有的提取和分类方法。
- ACL基于知识的对话生成知识选择
本文提出了一种生成式方法，名为 GenKS，用于在基于对话历史的语境下选择适当的知识片段，该方法通过序列到序列模型生成标识符来选择片段，捕捉片段之间的内部知识交互，并通过超链接机制显式地建模对话 - 知识交互，同时在三个基准数据集上进行实验 - 对比微调生成式脚本事件预测方法
本文提出了一种基于事件中心预训练的生成式方法，其使用预先训练的语言模型 Fine-Tune 并通过对序列可能性的预测进行预测，从而软建模事件之间的关联。
- 概率能源预测的去噪扩散概率模型
本文提出了基于去噪扩散概率模型的深度学习生成方法，首次应用于利用全球能源预测竞赛 2014 的开放数据进行能源预测。结果表明，这种方法与其他最先进的深度学习生成模型竞争力相当。