AITP
精选全部 AI 动态AI 日报Agent 接入关于更新日志信源提报反馈
登录 / 注册
AITOP
全部 AI 动态
AI 相关资讯全量信息流
全部博客资讯推文论文
全部模型产品行业论文技巧
标签:图像逆问题×
6月16日
20:46
AITOP6月16日 20:46
600亿美元买下Cursor,xAI终于拿到了编程工具,但真正值得跟踪的或许不是AI600亿美元买下Cursor,xAI终于拿到了编程工具,但真正值得跟踪的或许不是AI
6月12日
12:57
AITOP6月12日 12:57
Claude代码里藏了个20260612,18个月后的AI记忆革命已经开始倒计时
6月11日
15:28
AITOP6月11日 15:28
1107 vs 303:谷歌悄悄开源了一个“拆打字机”的模型,把大模型速度翻了4倍
15:23
AITOP6月11日 15:23
DiffusionGemma颠覆文本生成?自回归模型的“统治”要结束了
15:07
AITOP6月11日 15:07
每秒1107个token,Google开源的扩散模型为什么能改变本地推理格局?
5月29日
12:12
12:12arXiv cs.LG@Benjamin A. Burns, Sara Fridovich-Keil
本文从有限样本视角系统分析了扩散模型在后验采样中的失败机制。研究发现,现有方法在中间时间步对似然函数进行近似时,会系统性地高估或低估后验分布的扩散程度,导致对早期停止时间敏感、后验模式权重不准确以及产生幻觉(包括先验中不存在但后验中出现的模式,以及似然中不受先验支持的模式)。这些错误无需非线性测量模型或多模态后验,仅由多模态先验和中间采样时的不准确后验扩散即可引发。作者提出的有限样本后验采样方法可兼容任何似然近似和正向模型,作为诊断工具评估现有及未来后验采样器的准确性和失败模式。
论文扩散模型后验采样有限样本分析图像逆问题失败模式诊断

推荐理由:做图像逆问题或扩散模型后验采样的研究者,这篇论文直接戳中了现有方法“好用但说不清为什么失败”的痛点——有限样本视角给出了可落地的诊断工具,建议点开看看你的采样器是否也在犯这些错误。
原文
5月21日
10:22
10:22arXiv cs.LG@Donggyu Lee, Taekyung Lee, Jaewoong Choi
精选
UOTIP 提出了一种基于非平衡最优传输(UOT)的新方法,用于解决无配对图像逆问题。该方法通过引入基于似然的代价函数,学习从噪声测量分布到干净信号分布的传输映射,无需配对训练数据。UOT 框架通过放松精确边际约束,使模型对多级观测噪声、类别不平衡和多种噪声类型具有鲁棒性。理论分析表明,加入二次代价项可确保传输映射的存在性和唯一性。实验结果显示,UOTIP 在线性和非线性逆问题基准上均达到最先进性能。
论文图像逆问题最优传输无配对学习鲁棒性UOTIP

推荐理由:无配对图像逆问题是实际应用中的常见难题,UOTIP 用非平衡最优传输优雅地解决了数据不配对和噪声鲁棒性问题,做医学成像或遥感图像恢复的团队值得关注。
原文
精选全部日报登录