AITOP

潜在空间

共 5 条相关 AI 资讯
6月16日
11:43
11:43官方账号arXiv cs.AI@Jialei Chen, Kai Wang, Kang Chen, Shuaihang Chen, Feng Gao, Wenhao Tang, Zhiyuan Li, Weilin Liu, Zhuyu Yao, Boxun Li, Yuanbo Xu, Chao Yu
LaWAM通过潜在视觉子目标替代重建未来视频，在LIBERO基准上达到98.6%的成功率，在RoboTwin上达到91.22%，并在真实世界操作任务中取得竞争性表现。该模型每次动作块预测仅需187毫秒，延迟比像素空间世界行动模型低24倍。LaWAM的核心是潜在动作条件潜在世界模型（LaWM），利用预训练视觉基础模型的潜在空间预测未来观测特征。
AI模型LaWAM机器人策略世界模型潜在空间
推荐理由：机器人策略新框架LaWAM，不用生成视频就能预测场景变化，又快又准，成功率98.6%还低延迟，推荐做机器人控制的看看。
原文
6月14日
21:58
5月28日
12:02
12:02官方账号arXiv cs.LG@Jiawei Zhang, Ziyuan Liu, Leon Yan, Zhenyu Xiao, Yuantao Gu
该论文提出了一种名为MAP-RPS的阶段式框架，用于在扩散模型的零样本逆问题求解中实现失真-感知（D-P）权衡的灵活遍历。该方法先通过MAP估计阶段近似MMSE解，提供低失真初始化，再通过重噪后验采样阶段逐步提升感知质量。理论分析验证了设计的有效性，并扩展至潜在空间（LMAP-RPS），利用大规模预训练潜在扩散骨干。实验表明，该方法在多种任务上实现了更有效的D-P遍历，并作为高效求解器表现出色。
论文扩散模型零样本逆问题失真-感知权衡MAP-RPS潜在空间
推荐理由：对于从事图像恢复、超分辨率等逆问题的研究者，MAP-RPS提供了一种无需重新训练即可在推理时灵活调节失真与感知质量的方法，值得尝试。
原文
5月27日
10:53
10:53官方账号arXiv cs.LG@Xieting Chu, Sriram Vishwanath, Vijay Ganesh
精选
符号回归旨在从观测数据中寻找闭合形式的数学表达式。现有神经方法通过单次编码直接映射表达式，但存在“摊销差距”。本文提出潜在方程嵌入框架，通过迭代摊销推理来缩小这一差距。LEE学习一个共享潜在空间，包含编码器、表达式解码器和评估解码器，后者将潜在空间与函数行为显式关联。推理时，LEE通过重新编码解码出的表达式与观测数据，逐步改进潜在估计，并融合连续梯度下降与离散重新编码。在SRBench上，LEE生成的表达式比最强基线简单2-10倍，复杂度仅为8-11，同时保持高精度。
论文符号回归潜在空间迭代精炼可解释建模LEE
推荐理由：符号回归领域终于有了能同时兼顾精度和简洁性的方法，做科学发现和可解释建模的团队可以直接用LEE替代传统遗传编程，结果更干净。
原文
5月19日
10:55
10:55官方账号arXiv cs.LG@Zegu Zhang, Jianhua Peng, Jian Zhang
精选
该研究针对变分自编码器（VAE）中的精确恒定崩溃问题——即编码器均值变得与输入无关——提出了一种可预先设计、训练中可监控、训练后可认证的解决方案。通过保持标准高斯先验，并为潜在均值附加一个固定的单纯形见证头，研究者定义了一个教师-学生对齐损失，其精确常数预测基线等于教师信息。当对齐损失低于该基线时，潜在均值不可能出现输入无关的恒定崩溃。该方法还提供了封闭形式的逆变换，可将任意全支撑教师后验嵌入潜在空间，并解释了何时对齐损失可以很小。这项工作将恒定崩溃从训练后的病理现象转化为可设计和可认证的问题。
论文VAE恒定崩溃单纯形见证教师-学生对齐潜在空间
推荐理由：VAE训练中常见的恒定崩溃问题终于有了可量化的检测和预防手段，做生成模型或自编码器研究的团队可以直接用这个证书方法监控训练过程，避免模型失效。
原文