generator | BriefGPT - AI 论文速递

关键词generator

搜索结果 - 47

个性化多模态生成与大型语言模型
该论文提出了一种使用大型语言模型进行个性化多模态生成的方法，并通过实验验证了其性能，在推荐系统等应用中具有重要意义。
PDF3 months ago
得分身份提炼：预先训练扩散模型的指数级快速提炼用于单步生成
我们引入了 Score identity Distillation（SiD），一种创新的无数据方法，将预训练扩散模型的生成能力提炼到一个单步生成器中。通过将前向扩散过程重构为半隐式分布，利用三个与分数相关的身份，创造了一种创新的损失机制。这
PDF3 months ago
基于检索辅助的人工智能生成内容：综述
人工智能生成内容（AIGC）发展已经通过模型算法的进展、可扩展的基础模型结构和大量高质量数据集的可用性得到促进。检索增强生成（Retrieval-Augmented Generation，RAG）作为一种范例，通过从可用数据存储中检索相关对
PDF4 months ago
LatentSwap：一种高效的人脸换脸潜码映射框架
提出了一种简单的人脸交换框架 LatentSwap，用于生成给定生成器的人脸交换潜在编码。利用随机采样的潜在编码，该框架轻巧且不需要数据集，只需使用预训练模型进行训练过程即可。损失目标只包括三个项，能够有效控制源图像和目标图像之间的人脸交换
PDF4 months ago
AAAI宽容专家的教师：与教师无关的无数据知识蒸馏
无数据知识蒸馏方法 (TA-DFKD）通过为生成器分配宽松的专家角色，而非严格的监督者角色，以更健壮和稳定的性能，实现了在各种教师模型下的蒸馏，并超越了现有的无数据知识蒸馏方法。
PDF5 months ago
大语言模型的检索增强生成：综述
大型语言模型（LLMs）在实际应用中仍面临幻觉、知识更新缓慢和答案透明度不足等挑战。检索增强生成（RAG）是指在 LLMs 回答问题之前从外部知识库中检索相关信息。该论文概述了 LLMs 时代 RAG 的发展范式，总结了三种范式：Naive
PDF7 months ago
LLM 谈判中的情感分析
该论文介绍了一种用于情感分析的多 LLM 协商框架，其中包括一个推理注入生成器来提供决策及其理由，以及一个评估生成器可信度的解释推导鉴别器，通过迭代使生成器和鉴别器达成一致，从而解决了情感分析中的单一决策缺陷的问题。实验证明，该方法在各种情
PDF8 months ago
考虑物理信息的生成 - 编码对抗网络及潜空间匹配用于随机微分方程
我们提出了一种新的物理信息生成编码对抗网络，用于有效解决随机微分方程中正向、反向和混合问题所带来的挑战。该模型包括生成器和编码器两个关键组件，通过梯度下降轮流更新。与直接匹配近似解和真实快照的先前方法不同，我们采用间接匹配，在较低维潜在特征
PDF8 months ago
具有加性和乘性噪声的线性 SDE 的生成器识别
从给定的初始状态的解过程的分布中，从线性随机微分方程（SDE）的生成器中提取鉴别条件，在使用线性 SDE 进行因果推断时，这些鉴别条件非常重要，因为它们能够从观测分布中提取后介入分布。我们导出了鉴别具有加性噪声的线性 SDE 生成器的充分必
PDF8 months ago
生成建模中的评分不匹配
我们提出了一个具有一步采样的基于分数的模型，通过训练一个独立的生成器，用从分数网络反向传播的梯度来压缩所有时间步骤，以产生对于生成器有意义的梯度，并使分数网络同时匹配真实数据分布和伪造数据分布，该模型具有采样快速、训练简单且免除了由一致性损
PDF9 months ago
ICLR用于无数据模型窃取的双学生网络
通过对称地训练两个学生模型，提供生成器一种生成样本的标准，使两个学生模型对样本有分歧，这个方法可以间接地估计目标模型的梯度，优化生成器网络的训练目标，并提供更准确的目标模型梯度估计和更好的基准分类数据集准确性。此外，在改进查询效率的同时，我
PDF10 months ago
量子神经网络自主选择频率
参数化量子电路作为机器学习模型通常通过输入特征的部分傅里叶级数来描述，其频率由特征映射的生成哈密顿量唯一确定。本文提出了一个可训练频率 (TF) 的量子模型的泛化方法，演示了 TF 模型如何学习具有理想特性的生成器，并且可以在频谱中包含非常
PDF10 months ago
语义 RGB-D 图像合成
提出了一种用于 RGB-D 语义图像合成的多模态数据生成器，并通过鉴别器来确保标签图和生成图像之间的语义一致性及真实图像和生成图像之间的感知相似性，实验证明该方法在 RGB-D 语义分割方案中表现出了显著优势，以及通过在训练过程中混合真实图
PDF10 months ago
高斯混合模型和神经网络的高效一次迭代学习算法
本文提出了一种基于高斯混合模型（Gaussian Mixture Model，GMM）的学习算法，相比经典的期望最大化（Expectation Maximization，EM）算法，该算法具有更高的鲁棒性和简易性，提高了准确性，仅需 1 次
PDFa year ago
PI-VEGAN: 物理信息变分嵌入生成对抗网络用于随机微分方程
我们提出了一种名为物理信息变分嵌入生成对抗网络（PI-VEGAN）的新型物理信息神经网络，它有效地解决了随机微分方程的正向、反向和混合问题。
PDFa year ago
可控制的破坏路径
这篇论文介绍了一种名为 PoD 的自监督学习方法，用于学习迭代生成器，特别适用于由分类数据组成的功能性工件，扩展后可以允许设计师控制生成物品的方方面面。
PDFa year ago
KDD不对称学习率下的解耦理性：一种灵活的李普希茨约束
本研究提出了一种名为 DR 的简单而有效的方法来解决协作游戏中出现的退化问题，它可以自然而灵活地约束预测器的 Lipschitz 常数，该方法通过给生成器和预测器分配不对称的学习率来解耦，并在两个常用的基准测试上进行了一系列实验证明了其有效
PDFa year ago
通过单一基于能量的模型完成图像生成和分类
本文提出了一种名为 EGC 的基于能量的分类器和生成器，可通过单个神经网络同时实现优越的图像分类和图像生成效果。
PDFa year ago
AAAI重新思考无数据量化作为零和博弈
本文通过博弈论的角度，提出了一种适应性样本生成方法，通过重新定义动态最大化与最小化过程，实现了对数据量化过程的优化。
PDFa year ago
难度模型计数实例的生成和预测
我们提出了一种创建小但难以计数的模型计数实例的方法，通过高度可参数化的生成器，可以在任意数量的变量、子句和子句中设置文字数。应用于模型计数竞赛时取得了良好的结果，并预测了最难难以计数的实例的参数值。
PDF2 years ago