关键词generative machine learning models
搜索结果 - 9
- 网络弯曲的扩散模型用于音视频生成
使用预训练的生成式机器学习模型,本文介绍了第一步,即创造一个工具,使艺术家能够创建音乐可视化。通过利用各种点、张量和形态学操作来进行网络弯曲,我们发现这个过程能够产生多种视觉效果,包括一些难以使用标准图像编辑工具重新创建的效果。最后,我们运 - 利用自然语言提示控制语音合成中的情感
我们提出了一种通过由情感丰富的文本衍生出的嵌入来作为提示信息的系统,通过在基于 Transformer 的架构内多次集成发言者和提示信息的联合表示。我们的方法在合并情感语音和文本数据集上进行训练,并在每次训练迭代中变化提示信息,以增加模型的 - 全事件粒子级展开的可变长度潜变分扩散
粒子物理实验中的测量必须考虑用于观测相互作用的探测器的不完善响应。最近,生成式机器学习模型在高维度中执行非直方图展开展现出了潜力。然而,目前所有生成方法限制于展开一组固定的可观察性,使它们无法在变量维度的碰撞数据环境中进行全事件展开。文章介 - 闭环学习中生成模型的热力学死亡
通过研究喂给自己生成的内容以及原始训练数据集的生成模型的学习动态,本文旨在提供对 “生成闭环学习” 这一过程的洞察,揭示了没有足够外部数据时,任何非平凡的温度都会导致模型渐近退化,即生成分布要么坍缩为一小组输出,要么在一大组输出上变得均匀。
- 使用新颖连续变量嵌入的加速逆向建模的生成模型
利用二进制表示的浮点数进行嵌入的新型策略,消除了归一化过程,保留信息,并为生成模型提供了多功能的嵌入空间,用于快速材料设计。
- 非线性动力学的生成学习
现代生成式机器学习模型展示出令人惊讶的能力,能够创造出超越其训练数据的逼真产出,如逼真的艺术作品、精确的蛋白结构或对话文本。这些成功表明生成模型学会了有效地参数化和采样任意复杂的分布。本文旨在将经典作品与大规模生成统计学习中的新兴主题联系起 - 量子电路与扩散模型综合
量子计算中的生成机器学习模型和去噪扩散模型在产生期望的量子操作方面具有优势,并在纠缠生成和酉编译等任务中展示出灵活性和潜力。
- ICML评估生成模型提出的材料的多样性和实用性
使用物理引导的晶体生成模型(PGCGM)来作为逆向设计过程的一部分,评估生成式机器学习模型如何利用科学建模生成的数据来创造大量的新材料结构。研究发现,PGCGM 的输入空间对参数变化并不平滑,导致了材料优化的困难和局限性;同时,通过一个独立 - 通过差分隐私对图像进行模糊处理:从人脸图像到通用图像
该论文讨论了 k 同种模糊化方法的局限性,提出了一种新的基于差分隐私的生成式机器学习模型中图像的模糊化方法,通过直接修改像素强度来实现图像的差分隐私,并通过实验比较证明了这种方法的优越性。