我们建议通过用Schrödinger桥进行熵插值来学习生成模型。生成学习任务可以根据基于Kullback-Leibler Divergence在参考分布和目标分布之间进行插值。在人群级别上，这种熵插值是通过$ [0,1] $的SDE和时间变化的漂移术语来表征的 ...

本文旨在对当前扩散模型进行全面的理论分析。我们介绍了一种新颖的生成学习方法，利用潜在空间中的Schr {Ö} dinger桥扩散模型作为该领域中理论探索的框架。我们的方法开始于使用可能与目标分布不同的分布进行的数据进行编码器架构进行预培训，从而通过利用预先存在的大型模型来促进大型样本量的适应性 ...

随着工业产品变得丰富而精致，视觉工业缺陷检测受到了很多关注，包括二维和三维视觉特征建模。传统方法使用统计分析，异常数据合成模型和基于生成的模型来分开产品缺陷特征和完全缺陷检测。最近，基础模型的出现带来了视觉和文本语义的先验知识 ...

通过利用 Transformer 解码器中文本和视觉 Token 之间的注意机制，大型多模型模型（LMMS）“请参阅”图像。理想情况下，这些模型应集中在与文本 Token 相关的关键视觉信息上。然而，最近的发现表明，即使这些 Token 与相应的文本无关，LMM具有始终如一地分配给特定视觉 Token 的高度注意力权重的趋势 ...

大型多模型模型（LMM）的最新进展使得在人机相互作用中的各种应用都成为可能。但是，开发可以理解，推理和计划在复杂而多样的3D环境中的LMM仍然是一个具有挑战性的话题，尤其是考虑到了解3D场景中对置换不变的点云3D表示的需求。现有作品从多视图图像中寻求帮助，将项目2D功能作为3D场景表示 ...

在质子 - 质子碰撞中发出的带电颗粒在质量中心能量的0.9、2.36和7 TEV处发出的两个粒子角相关性，使用与CMS探测器在广泛的假速率（ETA）和Azimuthal角度（PHI）中收集的数据 ...

知识库（ kb）问答旨在利用知识库中的实体和关系等事实信息回答自然语言问题。以前的方法要么生成可以在kb上执行的逻辑形式以获得最终答案，要么直接预测答案。经验结果表明，前者通常会产生更准确的答案，但由于生成的逻辑形式中潜在的语法和语义错误，它会遇到非执行问题... ...

单图像超分辨率的性能在很大程度上取决于如何生成和补充高分辨率图像的高频细节。最近，基于扩散的模型在生成用于超分辨率任务的高质量图像方面具有巨大的潜力。但是，现有模型通过仅利用高分辨率地面真理作为所有采样时间段的目标，在直接预测宽带宽的高频信息方面遇到困难 ...