跳到正文
热点事件持续更新

研究者提出非线性薛定谔桥生成框架SBNL

1 篇报道1 个报道来源11 小时前更新

先了解这件事

AI 综述

Mathias Grau 与 Pierre Henry-Labordère 提出生成建模框架 SBNL(Schrödinger Bridge NonLinear),通过耦合 PDE 系统把经典薛定谔桥问题推广到非线性情形,并基于分支扩散与半线性 PDE 的概率表示设计求解算法。 据该研究,这一方法可高度并行、扩展至高维,适用于广泛的非线性交互泛函,并已在 MNIST 与 FFHQ 人脸数据集的高维图像生成任务上完成验证。同一框架还可嵌入基于分数的生成建模、扩散模型与可处理的高斯薛定谔桥。

AI 根据报道生成 · 2 小时前更新

报道时间线

沿着报道,了解事件的不同侧面。

10月23日
  1. arXiv cs.AI
    基于非线性薛定谔桥与分支扩散的生成建模框架 SBNL

    研究者提出 SBNL(Schrödinger Bridge NonLinear),通过耦合 PDE 系统将经典薛定谔桥问题推广到非线性情形,并基于分支扩散与半线性 PDE 的概率表示设计求解算法。该方法可高度并行、扩展至高维,适用于广泛的非线性交互泛函,并在 MNIST 与 FFHQ 人脸数据集的高维图像生成任务上完成验证。同一框架还可嵌入基于分数的生成建模、扩散模型与可处理的高斯薛定谔桥。

本事件热度走势

还没有足够的连续观测数据,暂不绘制趋势。