本研究提出了MoFlow模型，旨在解决人类轨迹预测问题。该模型基于历史轨迹和上下文信息进行多模态未来运动预测。实验结果表明，MoFlow在生成多样合理轨迹方面表现优异，采样速度比教师模型快100倍。

本文提出了一种新算法MRS（均值回归采样器），旨在提高均值回归扩散模型的生成效率。该算法通过解决反向时间随机微分方程，减少高质量样本的采样步骤，提升采样速度10至20倍，同时保持样本质量。

本文介绍了一种名为“跳跃你的一步”（JYS）的新方法，旨在解决离散扩散模型采样速度慢的问题。通过优化采样时间步分配，最小化解码误差，无需增加计算成本。实验表明，JYS在图像、音乐和文本生成中的采样质量显著提升，展示了其快速采样的潜力。