Flow Matching则构建噪声分布与数据分布间的连续路径（流）。这一过程可类比为定义一种平滑的转换计划，使随机噪声逐渐形成有结构的数据，如同观察一块黏土从无序状态被塑造成精细雕像的过程。

目前，离散扩散模型目前面临至少三个限制。首先，在聊天系统等应用中，模型必须生成任意长度的输出序列（例如对用户问题的回答）。但是，大多数最新的扩散架构仅能生成固定长度的向量。其次，离散扩散模型在生成过程中使用双向上下文，因此无法使用 KV ...

近期来自南京大学、华南理工大学和紫金山天文台的研究团队在《自然-天文学》发表了论文“基于自监督深度学习和回归过程的天文图像降噪”（Astronomical image denoising by self-supervised deep ...

在这个科技飞速发展的时代，人工智能（AI）正在不断突破界限。最近，清华校友何恺明带领的科研团队推出了一项令人振奋的新技术——去噪哈密顿网络（Denoising Hamiltonian Network, DHN）。这项创新不仅标志着AI在理解和处理物理问题上的新里程碑，而且预示着未来智能系统将更加贴近人类对于自然界的直觉认知。

何恺明 团队提出的去噪哈密顿网络（DHN），将哈密顿力学融入神经网络，突破传统局部时间步限制，还有独特去噪机制，在物理推理任务中表现卓越。 近日，何恺明团队提出了去噪哈密顿网络（Denoising Hamiltonian ...

目前，离散扩散模型目前面临至少三个限制。首先，在聊天系统等应用中，模型必须生成任意长度的输出序列（例如对用户问题的回答）。但是，大多数最新的扩散架构仅能生成固定长度的向量。其次，离散扩散模型在生成过程中使用双向上下文，因此无法使用 KV ...

在加入 UCLA 之前，他曾在 FAIR 和 Meta 的核心机器学习团队担任研究科学家。此前他在加州大学伯克利分校度过了博士后生涯（导师为 Pieter Abbeel），在斯坦福大学完成了博士学位（导师为 Stefano ...

为解决这些问题，研究人员提出利用条件去噪扩散概率模型（conditional denoising diffusion probability model，CDDPM）来提升 CBCT 的质量。该模型在通过向计划 CT 添加伪散射创建的伪 CBCT 上进行训练。CDDPM 能够将 CBCT 转换为高质量的 sCT，在保留解剖结构的同时提高了 HU 的 ...