分布对齐相关 AI 资讯 · AI 热点

7月8日

10:16

10:16

官方账号arXiv cs.LG@Naveen George, Naoki Murata, Yuhta Takida, Konda Reddy Mopuri, Yuki Mitsufuji

TILDE 提出一种新的概念遗忘框架，将遗忘问题形式化为分布对齐任务。该方法通过能量倾斜条件分布，在抑制目标概念图像生成的同时保持提示的良性相对质量。实验在对象、艺术风格和角色等场景下，TILDE 实现强力遗忘，并在保留质量和分布保真度上超越现有基线。

论文 TILDE 扩散模型概念遗忘分布对齐

推荐理由：这篇论文提出了 TILDE，通过分布对齐让概念遗忘模型既能精准擦除目标，又不会牺牲常规生成质量。

6月26日

10:42

10:42

官方账号arXiv cs.LG@Nicholas Pulsone, Gregory Goren, Roee Shraga

论文研究了BEACON框架在低资源、领域感知实体匹配任务中的表现。通过一系列针对性实验，分析了分布对齐策略和数据可用性条件对性能的影响。揭示了不同算法选择如何改变BEACON的行为。

论文 BEACON 实体匹配领域感知低资源学习分布对齐

推荐理由：BEACON在低资源实体匹配上表现不错，但你知道它为啥管用吗？这篇论文给你答案。

6月2日

11:15

11:15

官方账号arXiv cs.LG@Junhyoung Chung, Euijong Song, Won Hwa Kim, Gunwoong Park

研究人员提出 Convex Distance Operator Transport (CDOT)，这是首个凸最优传输框架，能在异构域之间对齐分布，同时保留特征对应和内在几何结构。CDOT 通过基于算子的正则化，引入距离和条件期望算子来对齐聚合距离结构，从而提升对局部几何变化的鲁棒性。理论证明 CDOT 差异是属性紧致度量-测度空间上的有效伪度量，并揭示了其与 Gromov-Wasserstein 的非凸性差异。实验在合成点云、脑连接组和图分类基准上表现优于现有方法，且行为稳定可靠。

论文最优传输凸优化几何结构分布对齐 CDOT

推荐理由：做分布对齐或几何数据处理的团队，CDOT 解决了传统 GW 非凸优化不稳定的痛点，可以直接用这个凸框架提升效果，建议点开看理论证明和实验对比。