跳到正文
热点事件持续更新

研究:Rectified Flow 采样可自适应目标分布低维结构

1 篇报道1 个报道来源10 小时前更新

先了解这件事

AI 综述

Saptarshi Roy、Alessandro Rinaldo 与 Purnamrita Sarkar 发表论文,研究 Rectified Flow(RF)采样器能否自动适应目标分布支撑集的内在低维性以加速采样。作者证明,在精心设计的端点自适应时间离散方案下,RF 采样器的迭代复杂度可达 O(k/ε),其中 k 为目标分布的内在维度。 论文还建立了 DDPM 与随机局部化之间的新联系,称 DDPM 等价于随机版本的 RF,并据此设计了同样适应低维结构的随机 RF 采样器。作者称,合成数据与文生图实验验证了新时间离散方案的效果。

AI 根据报道生成 · 56 分钟前更新

报道时间线

沿着报道,了解事件的不同侧面。

11月20日
  1. arXiv cs.AI
    Rectified Flow 如何自动适应目标分布的低维结构:扩散与随机局部化视角

    研究证明,Rectified Flow 采样器在精心设计的端点自适应时间离散方案下,迭代复杂度可达 O(k/ε),其中 k 为目标分布的内在维度。论文还建立了 DDPM 与随机局部化之间的新联系,证明 DDPM 等价于随机版本的 RF,并据此设计了同样适应低维结构的随机 RF 采样器,在合成数据与文生图实验中验证了新时间离散方案的效果。

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。