图像生成

Tele-Catch: Adaptive Teleoperation for Dexterous Dynamic 3D Object Catching

Tele-Catch：适应性远程操作用于灵巧动态3D物体捕捉

Weiguang Zhao, Junting Dong, Rui Zhang, Kailin Li, Qin Zhao, Kaizhu Huang

机构 * Princeton University（普林斯顿大学） ； Springer Heidelberg（海德堡施普林格出版社） ； ABC Institute, Rupert-Karls-University Heidelberg（ABC研究所，鲁普雷希特-卡尔斯-海德堡大学） 纠错

专题命中 扩散模型 ：diffusion(abstract)；分类 cs.CV

AI总结 本文提出Tele-Catch框架，通过融合手套信号与扩散策略去噪过程，实现动态物体捕捉任务中的共享自主控制，提升准确性和鲁棒性。

ColorFLUX: A Structure-Color Decoupling Framework for Old Photo Colorization

ColorFLUX：一种用于旧照片着色的结构-颜色解耦框架

Bingchen Li, Zhixin Wang, Fan Li, Jiaqi Xu, Jiaming Guo, Renjing Pei, Xin Li, Zhibo Chen

机构 * University of Science and Technology of China（中国科学技术大学） ； Huawei Noah’s Ark Lab（华为诺亚方舟实验室） 纠错

专题命中 扩散模型 ：diffusion(abstract)；分类 cs.CV

AI总结 本文提出基于生成扩散模型FLUX的新型旧照片着色框架，通过结构-颜色解耦策略和改进的直接偏好优化策略，提升旧照片着色的准确性与质量。

Comments Accepted by CVPR26

SVGS: Single-View to 3D Object Editing via Gaussian Splatting

SVGS: 通过高斯散射实现单视图到3D物体编辑

Pengcheng Xue, Yan Tian, Qiutao Song, Ziyi Wang, Linyang He, Weiping Ding, Mahmoud Hassaballah, Karen Egiazarian, Wei-Fa Yang, Leszek Rutkowski

机构 * School of Computer Science and Technology, Zhejiang Gongshang University（浙江工商大学计算机科学与技术学院） ； Zhejiang Key Laboratory of Big Data and Future E-Commerce Technology（浙江省大数据与未来电子商务技术重点实验室） ； Jianpei Technology Co., Ltd.（建培科技有限公司） ； School of Artificial Intelligence and Computer Science, Nantong University（南通大学人工智能与计算机科学学院） ； Department of Computer Science, College of Computer Engineering and Sciences, Prince Sattam Bin Abdulaziz University（沙特本·阿卜杜勒阿齐兹王子大学计算机工程与科学学院计算机科学系） ； Department of Computer Science, Faculty of Computers and Information, Qena University（基纳大学计算机与信息学院计算机科学系） ； Department of Computing Sciences, Faculty of Information Technology and Communication Sciences, Tampere University（坦佩雷大学信息技术与通信科学学院计算科学系） ； Division of Oral and Maxillofacial Surgery, Faculty of Dentistry, The University of Hong Kong（香港大学牙医学院口腔颌面外科） ； Systems Research Institute of the Polish Academy of Sciences（波兰科学院系统研究所） ； AGH University of Krakow（AGH科技大学） ； SAN University（SAN大学） 纠错

专题命中 扩散模型 ：diffusion(abstract)；分类 cs.CV

AI总结 本文提出SVGS方法，通过单视图文本驱动编辑和稀疏3D高斯散射提升3D编辑效率与一致性，优于现有方法。

Poppy: Polarization-based Plug-and-Play Guidance for Enhancing Monocular Normal Estimation

Poppy：基于偏振的插件式指导以增强单目法线估计

Irene Kim, Sai Tanmay Reddy Chakkera, Alexandros Graikos, Dimitris Samaras, Akshat Dave

机构 * Stony Brook University（石溪大学） 纠错

专题命中 扩散模型 ：diffusion(abstract)；分类 cs.CV

AI总结 Poppy通过在测试时利用偏振信息指导已学习的RGB基法线估计器，有效提升了在反射、无纹理和黑暗表面等挑战性场景下的法线估计精度，无需重新训练。

Comments project page: https://irnkim.github.io/poppy/

Diversity Matters: Dataset Diversification and Dual-Branch Network for Generalized AI-Generated Image Detection

多样性至关重要：数据多样化与双分支网络用于通用的AI生成图像检测

Nusrat Tasnim, Kutub Uddin, Khalid Malik

机构 * Korea Aerospace University（韩国航空大学） ； University of Michigan-Flint（密歇根大学弗林特分校） 纠错

专题命中 扩散模型 ：diffusion(abstract)；分类 cs.CV

AI总结 本文提出Diversity Matters框架，通过数据多样性与特征域互补性提升AI生成图像检测的鲁棒性和泛化能力，采用双分支网络结合CLIP特征提升检测性能。

Vega: Learning to Drive with Natural Language Instructions

Vega：通过自然语言指令学习驾驶

Sicheng Zuo, Yuxuan Li, Wenzhao Zheng, Zheng Zhu, Jie Zhou, Jiwen Lu

机构 * Tsinghua University（清华大学） ； GigaAI 纠错

专题命中 扩散模型 ：diffusion(abstract)；分类 cs.CV

AI总结 本文提出Vega模型，通过自然语言指令生成和规划，提升自动驾驶的灵活性和个性化水平，基于大规模驾驶数据集InstructScene进行实验验证。

Comments Code is available at https://github.com/zuosc19/Vega

Training-free Motion Factorization for Compositional Video Generation

无需训练的运动因子分解用于组合视频生成

Zixuan Wang, Ziqin Zhou, Feng Chen, Duo Peng, Yixin Hu, Changsheng Li, Yinjie Lei

机构 * Sichuan University（四川大学） ； The University of Adelaide（阿德莱德大学） ； Nanyang Technological University（南洋理工大学） ； Beijing Institute of Technology（北京理工大学） 纠错

专题命中 扩散模型 ：diffusion(abstract)；分类 cs.CV

AI总结 本文提出一种无需训练的运动因子分解框架，将复杂运动分解为静止、刚体和非刚体运动三类，通过规划先于生成的范式，提升视频生成中运动多样性的表现。

Comments Accepted by CVPR2026

Chain of Event-Centric Causal Thought for Physically Plausible Video Generation

基于事件中心因果推理的物理合理视频生成

Zixuan Wang, Yixin Hu, Haolan Wang, Feng Chen, Yan Liu, Wen Li, Yinjie Lei

机构 * Sichuan University（四川大学） ； The University of Adelaide（阿德莱德大学） ； Hong Kong Polytechnic University（香港理工大学） ； University of Electronic Science and Technology of China（电子科技大学） 纠错

专题命中 扩散模型 ：diffusion(abstract)；分类 cs.CV

AI总结 本文提出基于事件链的因果推理和跨模态提示模块，用于生成物理合理视频，通过物理公式约束和时间对齐提示提升视频生成的因果连贯性与物理合理性。

Comments Accepted by CVPR2026

Self-Attention And Beyond the Infinite: Towards Linear Transformers with Infinite Self-Attention

自注意力与无限：迈向线性变换器的无限自注意力

Giorgio Roffo, Hazem Abdelkawy, Nilli Lavie, Luke Palmer

机构 * Equixly API Security, Italy（Equixly API安全公司，意大利） ； Toyota Motor Europe, Belgium（丰田汽车欧洲公司，比利时） ； MindVisionLabs, UK（MindVisionLabs，英国） ； Institute of Cognitive Neuroscience, University College London, UK（伦敦大学学院认知神经科学研究所，英国） ； GlimpseML, UK（GlimpseML，英国） 纠错

专题命中 扩散模型 ：diffusion(abstract)；分类 cs.CV

AI总结 本文提出无限自注意力（InfSA）和线性-InfSA，通过谱重构将自注意力层视为内容自适应标记图的扩散步骤，实现线性时间复杂度的高效自注意力机制，在图像识别任务中取得显著性能提升。

Comments This work was initiated and primarily carried out while working at MindVisionLabs. We gratefully acknowledge the support of Toyota Motor Europe (TME) and Equixly API Security for this work

FastVMT: Eliminating Redundancy in Video Motion Transfer

FastVMT：消除视频运动迁移中的冗余

Yue Ma, Zhikai Wang, Tianhao Ren, Mingzhe Zheng, Hongyu Liu, Jiayi Guo, Kunyu Feng, Yuxuan Xue, Zixiang Zhao, Konrad Schindler, Qifeng Chen, Linfeng Zhang

机构 * EPIC Lab, Shanghai Jiao Tong University（上海交通大学EPIC实验室） ； HKUST（香港科技大学） ； THU（清华大学） ； Meta ； ETH Zürich（苏黎世联邦理工学院） 纠错

专题命中 扩散模型 ：diffusion(abstract)；分类 cs.CV

AI总结 本文提出FastVMT，通过消除DiT架构中的运动和梯度冗余，实现视频运动迁移的加速，提升生成视频的效率而不影响视觉质量和时间一致性。

Comments Accepted by ICLR2026, Project page: fastvmt.gitHub.io, Code: https://github.com/mayuelala/FastVMT

InternVideo-Next: Towards General Video Foundation Models without Video-Text Supervision

InternVideo-Next：无需视频-文本监督的通用视频基础模型

Chenting Wang, Yuhan Zhu, Yicheng Xu, Jiange Yang, Lang Lin, Ziang Yan, Yali Wang, Yi Wang, Limin Wang

机构 * Shanghai Jiao Tong University（上海交通大学） ； Shanghai AI Laboratory（上海人工智能实验室） ； Shanghai Innovation Institute（上海创新研究院） ； Shenzhen Institutes of Advanced Technology, China（中国科学院深圳先进技术研究院） ； Nanjing University（南京大学） 纠错

专题命中 扩散模型 ：diffusion(abstract)；分类 cs.CV

AI总结 本文提出InternVideo-Next，通过解耦传统编码器-解码器设计为Encoder-Predictor-Decoder框架，解决像素重建与语义冲突问题，构建语义一致且细节保留的潜在空间，提升视频基础模型的通用性。

Journal ref CVPR2026

Thinking with Camera: A Unified Multimodal Model for Camera-Centric Understanding and Generation

通过摄像头思考：一个统一的多模态模型用于以摄像头为中心的理解与生成

Kang Liao, Size Wu, Zhonghua Wu, Linyi Jin, Chao Wang, Yikai Wang, Fei Wang, Wei Li, Chen Change Loy

机构 * S-Lab, Nanyang Technological University（南洋理工大学S-Lab） ； SenseTime Research（商汤科技研究院） ； University of Michigan（密歇根大学） ； Max-Planck Institute for Informatics（马克斯·普朗克信息学研究所） 纠错

专题命中 扩散模型 ：diffusion(abstract)；分类 cs.CV

AI总结 本文提出Puffin模型，通过将摄像头视为语言，实现以摄像头为中心的多模态理解与生成，结合语言回归和扩散生成，提升空间感知能力，实验表明其在跨视角任务中表现优异。

Comments Accepted by ICLR2026. Project Page: https://kangliao929.github.io/projects/puffin/

Minimizing the Pretraining Gap: Domain-aligned Text-Based Person Retrieval

缩小预训练差距：领域对齐的基于文本的人检索

Shuyu Yang, Yaxiong Wang, Yongrui Li, Li Zhu, Zhedong Zheng

机构 * Xi’an Jiaotong University（西安交通大学） ； Hefei University of Technology（合肥工业大学） ； University of Macau（澳门大学） 纠错

专题命中 扩散模型 ：diffusion(abstract)；分类 cs.CV

AI总结 本文提出双层级策略，通过领域感知扩散和多粒度关系对齐，解决光照、颜色和视角变化导致的领域差距，提升CUHK-PEDES等数据集上的性能。

Test-Time Instance-Specific Parameter Composition: A New Paradigm for Adaptive Generative Modeling

测试时实例特定参数组合：适应生成建模的新范式

Minh-Tuan Tran, Xuan-May Le, Quan Hung Tran, Mehrtash Harandi, Dinh Phung, Trung Le

机构 * Monash University（莫纳什大学） ； The University of Melbourne（墨尔本大学） ； Meta Inc（Meta公司） 纠错

专题命中 扩散模型 ：diffusion(abstract)；分类 cs.CV

AI总结 本文提出Composer，一种基于测试时实例特定参数组合的适应生成建模新范式，通过在推理时生成输入条件化的参数适应，提升生成质量与效率，适用于多种生成模型。

Comments Accepted at CVPR 2026

STRIDE: When to Speak Meets Sequence Denoising for Streaming Video Understanding

STRIDE：当语音识别与序列去噪相结合用于流媒体视频理解

Junho Kim, Hosu Lee, James M. Rehg, Minsu Kim, Yong Man Ro

机构 * UIUC（伊利诺伊大学厄巴纳-香槟分校） ； KAIST（韩国科学技术院） ； Google DeepMind（谷歌DeepMind） 纠错

专题命中 扩散模型 ：diffusion(abstract)；分类 cs.CV

AI总结 本文提出STRIDE方法，通过结构化序列建模解决流媒体视频中的主动激活问题，提升在线流媒体场景下的'何时说话'决策质量。

Comments Project page: https://interlive-team.github.io/STRIDE

MotionRFT: Unified Reinforcement Fine-Tuning for Text-to-Motion Generation

MotionRFT: 用于文本到动作生成的统一强化微调

Xiaofeng Tan, Wanjiang Weng, Hongsong Wang, Fang Zhao, Xin Geng, Liang Wang

机构 * School of Computer Science and Engineering, Southeast University（东南大学计算机科学与工程学院） ； Key Laboratory of New Generation Artificial Intelligence Technology and Its Interdisciplinary Applications (Southeast University), Ministry of Education（教育部新一代人工智能技术及其跨学科应用重点实验室（东南大学）） ； State Key Laboratory for Novel Software Technology, School of Intelligence Science and Technology, Nanjing University（南京大学智能科学与技术学院计算机软件新技术国家重点实验室） ； New Laboratory of Pattern Recognition (NLPR), State Key Laboratory of Multimodal Artificial Intelligence Systems (MAIS), Institute of Automation, Chinese Academy of Sciences (CASIA)（中国科学院自动化研究所多模态人工智能系统国家重点实验室模式识别新实验室） ； School of Artificial Intelligence, University of Chinese Academy of Sciences（中国科学院大学人工智能学院） 纠错

专题命中 扩散模型 ：diffusion(abstract)；分类 cs.CV

AI总结 本文提出MotionRFT框架，通过多维奖励模型和高效微调方法，解决文本到动作生成中语义一致性、现实感和人类偏好对齐的问题，实验表明其在FID和R-Precision上均有显著提升。

Generative Shape Reconstruction with Geometry-Guided Langevin Dynamics

基于几何引导的兰格vin动力学的生成形状重建

Linus Härenstam-Nielsen, Dmitrii Pozdeev, Thomas Dagès, Nikita Araslanov, Daniel Cremers

机构 * Technical University of Munich（慕尼黑工业大学） ； Munich Center for Machine Learning（慕尼黑机器学习中心） 纠错

专题命中 扩散模型 ：diffusion(abstract)；分类 cs.CV

AI总结 本文提出GG-Langevin方法，结合几何引导和扩散模型，实现更准确且鲁棒的形状重建，在不完整数据和噪声下表现更优。

MotionCrafter: Dense Geometry and Motion Reconstruction with a 4D VAE

MotionCrafter: 通过4D VAE实现密集几何与运动重建

Ruijie Zhu, Jiahao Lu, Wenbo Hu, Xiaoguang Han, Jianfei Cai, Ying Shan, Chuanxia Zheng

机构 * NTU（南洋理工大学） ； ARC Lab, Tencent PCG（腾讯PCG ARC Lab） ； HKUST（香港科技大学） ； CUHK(SZ)（香港中文大学（深圳）） ； Monash University（莫纳什大学） 纠错

专题命中 扩散模型 ：diffusion(abstract)；分类 cs.CV

AI总结 MotionCrafter通过4D VAE联合重建4D几何和估计密集运动，采用共享坐标系下的点云与场景流联合表示，提升重建质量。

Comments Project page: https://ruijiezhu94.github.io/MotionCrafter_Page

Person-Centric Annotations of LAION-400M: Auditing Bias and Its Transfer to Models

针对LAION-400M的人为中心标注：审查偏见及其在模型中的转移

Leander Girrbach, Stephan Alaniz, Genevieve Smith, Trevor Darrell, Zeynep Akata

机构 * Technical University of Munich, Munich Center for Machine Learning (MCML), MDSI（慕尼黑工业大学，慕尼黑机器学习中心（MCML），MDSI） ； LTCI, Télécom Paris, Institut Polytechnique de Paris, France（法国巴黎理工学院，巴黎电信学院，LTCI） ； Helmholtz Munich（亥姆霍兹慕尼黑中心） ； University of California, Berkeley（加州大学伯克利分校） 纠错

专题命中 扩散模型 ：diffusion(abstract)；分类 cs.CV

AI总结 本文通过创建LAION-400M的人为中心标注，揭示了训练数据中存在的人口统计学偏见，并展示了这些偏见如何转移到视觉-语言模型中。

Comments ICLR 2026

Securing the Skies: A Comprehensive Survey on Anti-UAV Methods, Benchmarking, and Future Directions

守护天空：反无人机方法的全面调查、基准测试与未来方向

Yifei Dong, Fengyi Wu, Sanjian Zhang, Guangyu Chen, Yuzhi Hu, Masumi Yano, Jingdong Sun, Siyu Huang, Feng Liu, Qi Dai, Zhi-Qi Cheng

专题命中 扩散模型 ：diffusion(abstract)；分类 cs.CV

AI总结 本文综述了反无人机领域，探讨了分类、检测与跟踪等核心方法，分析了数据合成、多模态融合等新兴技术，并指出实时性能、 stealth 检测等领域的不足，旨在推动下一代防御策略的发展。

Comments Accepted to CVPR 2025 Anti-UAV Workshop (Best Paper Award), 16 pages

TopoCtrl: Post-Optimization Topology Editing Toward Target Structural Characteristics

TopoCtrl: 向目标结构特性进行后优化拓扑编辑

Hongrui Chen, Dat Quoc Ha, Josephine V. Carstensen, Faez Ahmed

专题命中 扩散模型 ：diffusion(abstract)；分类 cs.GR

AI总结 TopoCtrl通过后优化控制框架，利用预训练拓扑基础模型的潜在空间，实现对结构特性如成员厚度、特征成员长度等的显式引导编辑，提升结构设计的可控性和一致性。

Language-Conditioned World Modeling for Visual Navigation

基于语言的视觉导航世界建模

Yifei Dong, Fengyi Wu, Yilong Dai, Lingdong Kong, Guangyu Chen, Xu Zhu, Qiyu Hu, Tianyu Wang, Johnalbert Garnica, Feng Liu, Siyu Huang, Qi Dai, Zhi-Qi Cheng

机构 * University of Washington（华盛顿大学） ； National University of Singapore（新加坡国立大学） ； Clemson University（克莱姆森大学） ； Drexel University（德雷塞尔大学） ； Microsoft Research（微软研究院） 纠错

专题命中 扩散模型 ：diffusion(abstract)；分类 cs.CV

AI总结 本文研究了基于语言的视觉导航问题，提出LCVN数据集并开发了两种模型家族，通过语言 grounding、未来状态预测和动作生成实现统一任务学习。

Comments 19 pages, 6 figures, Code: https://github.com/F1y1113/LCVN

Front Location for Go or Grow Models of Aerotaxis

趋氧模型中的前沿位置：前进还是增长

Mete Demircigil, Christopher Henderson

专题命中 扩散模型 ：diffusion(abstract)

AI总结 本文研究趋氧模型中前沿的推动-拉伸转变，分析两种奇异反应-对流-扩散模型，建立两者的well-posedness，并精确描述前沿位置，包括边界情况。

Phenol release from pNIPAM hydrogels: Scaling Molecular Dynamics simulations with Dynamical Density Functional Theory

从pNIPAM水凝胶中释放苯酚：利用动态密度泛函理论进行分子动力学模拟的标度分析

H. A. Pérez-Ramírez, A. Moncho-Jordá, G. Odriozola

专题命中 扩散模型 ：diffusion(abstract)

AI总结 研究通过分子动力学模拟和Bennett接受率方法计算苯酚、甲烷和5-氟尿嘧啶在不同聚合物体积分数下的自由能转移，发现其与pNIPAM浓度线性相关，且对微凝胶释放半衰期估算有重要影响。

Comments 13 pages, 7 figures. Accepted for publication in Soft Matter

Journal ref Soft Matter, 2022, 18, 8271-8284

Molecular dynamics study of perchloric acid using the extended Madrid-2019 force field

过氯酸分子动力学研究：使用扩展的马德里-2019力场

M. Cruz-Sánchez, S. Blazquez, C. Vega, V. M. Trejos

专题命中 扩散模型 ：diffusion(abstract)

AI总结 本研究利用扩展的马德里-2019力场模拟过氯酸溶液的热力学、结构和输运性质，预测密度、温度最大密度和粘度，与实验数据一致。

Comments 14 pages, 5 figures

Journal ref Condens. Matter Phys., vol. 29, no. 1, p. 13601, Mar. 2026

Pressure effects in the properties of simple monohydric alcohols. Lessons from molecular dynamics simulations of united atom type UAM-EW model

简单一元醇性质的压力效应。来自统一原子类型UAM-EW模型分子动力学模拟的启示

M. Aguilar, L. Pusztai, O. Pizio

专题命中 扩散模型 ：diffusion(abstract)

AI总结 通过等温等压分子动力学模拟研究了简单一元醇（甲醇、乙醇和1-丙醇）在压力下的性质变化，评估了UAM-EW力场的准确性，并探讨了压力下微观结构的变化。

Comments 15 pages, 11 figures, 2 tables

Journal ref Condens. Matter Phys., vol. 29, no. 1, p. 13502, Mar. 2026

II. Temperature trends in the properties of simple monohydric alcohols. Molecular dynamics simulations of united atom UAMI-EW model

II. 简单单醇物性随温度变化的趋势。联合原子UAMI-EW模型的等压等温分子动力学模拟

M. Aguilar, E. Núñez-Rojas, O. Pizio

专题命中 扩散模型 ：diffusion(abstract)

AI总结 研究单醇物性随温度变化，采用等压等温分子动力学模拟，评估力场精度并探讨混合物性质。

Comments 15 pages, 10 figures

Journal ref Condens. Matter Phys., vol. 29, no. 1, p. 13503, Mar. 2026

Finite element methods for electroneutral multicomponent electrolyte flows

中性多组分电解质流动的有限元方法

Aaron Baier-Reinio, Patrick E. Farrell, Charles W. Monroe

专题命中 扩散模型 ：diffusion(abstract)

AI总结 本文提出高阶有限元算法模拟中性电解质流动，解决NSOSM方程，适用于稳态、暂态、二维、三维及多种边界条件，考虑材料参数依赖局部状态和非理想热力学。

The Rise of Generative AI for Metal-Organic Framework Design and Synthesis

生成式AI在金属有机框架设计与合成中的崛起

Chenru Duan, Aditya Nandy, Shyam Chand Pal, Xin Yang, Wenhao Gao, Yuanqi Du, Hendrik Kraß, Yeonghun Kang, Varinia Bernales, Zuyang Ye, Tristan Pyle, Ray Yang, Zeqi Gu, Philippe Schwaller, Shengqian Ma, Shijing Sun, Alán Aspuru-Guzik, Seyed Mohamad Moosavi, Robert Wexler, Zhiling Zheng

机构 * Deep Principle, Inc.（Deep Principle公司） ； University of California, Los Angeles（加州大学洛杉矶分校） ； Washington University（华盛顿大学） ； Institute of Materials Science & Engineering, Washington University（华盛顿大学材料科学与工程研究所） ； Massachusetts Institute of Technology（麻省理工学院） ； Cornell University（康奈尔大学） ； University of Toronto（多伦多大学） ； Vector Institute for Artificial Intelligence（向量人工智能研究所） ； Acceleration Consortium, University of Toronto（多伦多大学加速联盟） ； University of Washington（华盛顿大学） ； University of North Texas（北德克萨斯大学） ； École Polytechnique Fédérale de Lausanne（洛桑联邦理工学院） ； Canadian Institute for Advanced Research（加拿大高等研究院） ； NVIDIA（英伟达） 纠错

专题命中 扩散模型 ：diffusion(abstract)

AI总结 生成式AI推动金属有机框架设计方法革新，通过自主提出并合成新型多孔结构，结合高通量计算筛选和自动化实验，形成加速发现闭环流程，提升清洁空气和能源应用材料性能。

Comments 10 pages, 5 figures

Journal ref Matter (2026)

Unrestrained Simplex Denoising for Discrete Data. A Non-Markovian Approach Applied to Graph Generation

无约束单纯形去噪用于离散数据。一种非马尔可夫方法应用于图生成

Yoann Boget, Alexandros Kalousis

机构 * Department of Computer Science, University of Geneva（日内瓦大学计算机科学系） ； DMML Group, Geneva School for Business administration HES-SO（HES-SO日内瓦商学院DMML研究组） 纠错

专题命中 扩散模型 ：diffusion(abstract)

AI总结 本文提出一种基于单纯形的非马尔可夫去噪方法，用于离散数据生成，通过去除约束提升性能并简化模型。

Comments Simplex Denoising