- SEE-2-SOUND：零射击空间环境到空间音效
通过 SEE-2-SOUND 引入的零样本方法，将多模式内容生成、神经生成模型和空间音频相结合，可以为高质量视频、图像和互联网动态图像生成空间音频，实现沉浸式体验。
- 神经因果部分识别的一致性
Neural Causal Models (NCMs) 是用于自动识别和部分识别因果效应的神经生成模型的研究。本研究证明了在具有连续和分类变量的一般情况下，通过 NCMs 进行部分识别的一致性，并强调了神经网络架构的设计、深度和连接性以及训 - MKA: 面向医疗对话任务的可扩展医疗知识辅助生成模型机制
使用自然语言处理技术开发医疗聊天机器人在医疗人工智能中具有重要意义，本论文提出了可扩展的医疗知识辅助机制，通过设计医学特定的知识图谱和有效注入医学信息的特定令牌连接策略，实现了在医疗对话任务中改进性能。评估结果表明，结合该机制的模型在多个自 - AAAI通过赫布学习和自由能最小化的神经模仿实现普通认知模型
使用神经生成模型构建 COGnitive Neural GENerative 系统，以优化变分自由能函数，并探讨其在认知科学中的应用。
- Facke：人脸交换生成模型综述
本研究旨在探究主流神经生成模型在人脸交换任务中的性能，我们对 CVAE、CGAN、CVAE-GAN 和条件扩散模型进行了实验比较并分析了它们的优缺点，同时提出了一些有前途的技巧尽管它们不适用于这个任务。
- CVPR基于二叉空间划分树网络的网格表示学习
通过使用计算机图形学经典空间数据结构 BSP，我们设计了一种名为 BSP-Net 的网络模型，它能够无监督地学习表示一个 3D 形状，并通过检测一组面来重构一个多边形网格。该模型生成的网格既密封又紧凑，适合表示尖锐的几何体，并且使用更少的基 - ICLR分布鲁棒优化中第二玩家建模
本文提出了一种基于神经生成模型的分布鲁棒优化 (DRO) 方法，通过对不确定集合中的分布进行建模，使得模型在不确定的分布中表现优异，并提出一种 KL 约束内部最大化目标的松弛优化方式，通过大规模生成模型的梯度优化来解决相应的实现和优化挑战， - 学习生成模型的神经编码框架
提出了一种基于预测处理理论的神经生成模型计算框架，通过构建神经元层次结构，预测邻居神经元的工作并根据预测与观测结果的差异更新神经元参数来训练模型，实验结果表明，该模型在多个基准数据集和度量标准上表现出色，并具有与功能类似的其他生成模型相媲美 - EMNLPEOS 决策和长度外推
研究神经生成模型中扩展到未知序列长度的挑战，表征了一种常常被忽视的建模决策：通过使用特殊的序列结尾（EOS）词汇项来预测生成过程的结束，探讨了在测试时强制模型生成到正确序列长度的神谕设置，对比训练预测 EOS (+EOS) 神经网络与未训练 - ECCVBézierSketch：可扩展矢量素描的生成模型
本研究提出了 BezierSketch 作为全矢量、高分辨率的生成模型，采用新颖的逆向图形学方法将每个笔画嵌入到其最佳 Bezier 曲线中。通过使用这个模型，我们成功训练了一个具有更大容量生成长时间草图的递归草图生成器，并且取得了较好的定 - ACL短文本会话的细粒度句子功能
本研究收集一份新的短文本聊天数据集并加以手动注释，用于训练分类模型以及基于信息检索和神经生成模型的对话模型，结果表明利用句子功能可以提高响应质量。
- ACLWriterForcing：生成更有趣的故事结局
本文研究了如何生成有趣的故事结局。我们提出了一种方法来使用关键短语并鼓励生成非泛化词汇，从而生成更多样化和有趣的结局。
- ACL神经对话系统有效利用对话历史吗？实证研究
本文研究了神经生成模型在对话系统中对历史对话的敏感性，并通过实验证明在测试时的上下文人为干扰（例如缺失或重排序发言，混淆词语等）对常用的递归和基于 Transformer 的 seq2seq 模型的影响很小，在开源其代码的同时，本文所提供的 - AAAI生成短文本对话的多个不同响应
该研究提出了一种新型的响应生成模型，使用一种强化学习算法以考虑一个响应集合，同时生成多个不同的响应，实验证明相比各种最先进的生成模型，我们模型生成的多个响应具有更高的质量和更大的多样性。
- 使用生成对抗网络的可伸缩非平衡最优输运
本文介绍一种基于生成对抗网络的可伸缩的非平衡优化输运方法，该方法可以同时学习输运映射和缩放因子，以最优的代价推动源测量到目标测量，并提供了理论证明和数值实验。
- 全面评估，信任少数，不对任何人做错：比较句子生成模型
本研究比较了针对文本生成的神经生成模型，其中包括变分自编码器，并对其潜在编码的先验分布进行了控制，同时注意到了重构误差，并使用了多种自动和人工评估指标对其进行了全面评估，旨在成为比较文本神经生成模型的新的评估标准。