本研究提出高斯假设开放集技术（GHOST），旨在解决开放集识别中的性能评估不足问题。通过多元高斯分布建模深度特征，GHOST显著提升了大规模开放集识别的性能，并确保了公平性和准确性。研究结果在多个图像数据集上显示出评估指标的显著提升。
该研究探讨了流匹配如何加速AI图像生成并提升质量。通过将流匹配与潜在扩散模型结合，减少训练时间并保持高质量输出，引入新高斯假设以提高计算效率，实现更快收敛，并在图像生成基准上展现更佳样本质量。
完成下面两步后，将自动完成登录并继续当前操作。
