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 ...

何恺明等来自 MIT、斯坦福大学等机构的研究者提出了去噪哈密顿网络（Denoising Hamiltonian Network，DHN），这是一个将哈密顿力学泛化到神经算子的框架。 继上月末连发两篇论文（扩散模型不一定需要噪声条件和分形生成模型）之后 ...

物理推理包含推断、预测和解释动态系统行为的能力，这些是科学研究的基础。应对此类挑战的机器学习框架通常被期望超越仅仅记忆数据分布的做法，从而维护物理定律，解释能量和力的关系，并纳入超越纯数据驱动模型的结构化归纳偏差。科学的机器学习通过将物理约束直接嵌入 ...

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 ...

在2024年底，智元推出了AgiBot World，包含超过100万条轨迹、涵盖217个任务、涉及五大场景的大规模高质量真机数据集。基于AgiBot World，今日，智元正式发布首个通用具身基座模型——智元启元大模型（Genie ...

机器之心报道机器之心编辑部上周五，稚晖君在微博上预告，「下周有好东西发布」。还没进入「下周」多久，智元机器人的「好东西」揭晓了，还是双重惊喜：Vision-Language-Latent-Action (ViLLA) 架构和通用具身基座大模型 ...

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 ...

近日，国际光学领域顶级期刊Optica发表了西南交通大学信息科学与技术学院信息光子与通信研究团队的原始创新成果——通过干涉相消高精度原始数据采集和非冗余图像降噪加速布里渊光纤传感Accelerating Brillouin fiber sensing via destructive-interference-enabled precise raw data ...