BriefGPT - AI 论文速递
·
混合高斯流用于多样化轨迹预测
💡
原文中文，约200字，阅读约需1分钟。
📝
内容提要
本文提出了一种基于连续时间正规化流的生成模型，通过时间依赖密度的概率流推断速度场，可用于样本生成和密度估计，并建立最优传输映射。该方法简化了基于随机微分方程的方法，在图像生成等任务上表现出较理想的性能。
🎯
关键要点
- 提出了一种基于连续时间正规化流的生成模型。
- 速度场由时间依赖密度的概率流推断而来。
- 该模型可用于样本生成和密度估计。
- 通过最小化插值密度的路径长度建立最优传输映射。
- 该方法简化了基于随机微分方程的方法。
- 生成的流以低成本超越传统方法。
- 在图像生成等任务上表现出较理想的性能。
➡️
