智能AI
morning
后流匹配
2026-10-15
1 阅读
约1分钟阅读
Chenrui Ma, Xi Xiao, Lin Zhao, Xinru Jiang, Tianyang Wang, Yanning Shen, Ferdinando Fioretto
字号:
arXiv:2610.13994v1 公告类型：新摘要：流匹配学习如何将噪声传输到数据，但其均值预测并不直接报告处于中间状态的端点不确定性。本文介绍了后验流匹配 (PFM)，这是一种通用生成建模框架，可通过高斯后验模型学习条件速度均值和分量方差。相同的模型评估提供传输预测和终点不确定性，使后诊断在整个一代中可用。这些学习矩支持均值驱动的常微分方程 (ODE) 和后验驱动的随机微分方程 (SDE)，其局部噪声尺度适应预测的不确定性。在图像、点云、分子和动作生成中，PFM 提高了生成质量并在整个生成过程中提供端点后读数。
这篇文章对您有帮助吗？
订阅66必读
每日精选科技资讯，直达你的邮箱