本文介绍了一种基于Unbalanced Optimal Transport (UOT)的新型生成模型，相比于基于OT的方法在处理噪点、稳定性和训练收敛速度等方面表现更优。实验证实了该模型的性质，并研究了UOT之间分布差异的理论上界。结果显示，该模型在CIFAR-10和CelebA-HQ-256数据集上的FID分别为2.97和5.80，优于现有基于OT的生成模型。

SP$^2$OT：语义规范化的逐步偏差最优传输用于不平衡聚类
BriefGPT - AI 论文速递
BriefGPT - AI 论文速递 ·

本文介绍了一种基于Unbalanced Optimal Transport (UOT)的新型生成模型，相比于基于OT的方法在处理噪点、稳定性和训练收敛速度等方面表现更优。实验证实了该模型的性质，并研究了UOT之间分布差异的理论上界。结果显示，该模型在CIFAR-10和CelebA-HQ-256数据集上的FID分别为2.97和5.80，优于现有基于OT的生成模型。

去中心化和公平的最优运输
BriefGPT - AI 论文速递
BriefGPT - AI 论文速递 ·

本文介绍了一种基于Unbalanced Optimal Transport (UOT)的新型生成模型，相比于基于OT的方法在处理噪点、稳定性和训练收敛速度等方面表现更优。实验证实了该模型的性质，并研究了UOT之间分布差异的理论上界。结果显示，该模型在CIFAR-10和CelebA-HQ-256数据集上的FID分别为2.97和5.80，优于现有基于OT的生成模型。

无监督形状对应学习中高效最优传输和功能映射的集成
BriefGPT - AI 论文速递
BriefGPT - AI 论文速递 ·

本文提出了一种基于Unbalanced Optimal Transport (UOT)的新型生成模型，相比于基于OT的方法在处理噪点、稳定性和训练收敛速度等方面表现更优。实验结果显示，该模型在CIFAR-10和CelebA-HQ-256数据集上的FID分别为2.97和5.80，优于现有基于OT的生成模型。同时，研究了UOT之间分布差异的理论上界。

基于最优传输引导的条件评分扩散模型
BriefGPT - AI 论文速递
BriefGPT - AI 论文速递 ·

本文介绍了一种基于Unbalanced Optimal Transport (UOT)的新型生成模型，相比于基于OT的方法在处理噪点、稳定性和训练收敛速度等方面表现更优。实验结果表明，该模型在CIFAR-10和CelebA-HQ-256数据集上的FID分别为2.97和5.80，优于现有基于OT的生成模型。同时，研究了UOT之间分布差异的理论上界。

生成熵神经最优传输在空间内和空间间的映射
BriefGPT - AI 论文速递
BriefGPT - AI 论文速递 ·
👤 个人中心
在公众号发送验证码完成验证