跳到正文
热点事件持续更新

提出SBNL非线性薛定谔桥生成建模框架

1 篇报道1 个报道来源2 小时前更新

先了解这件事

AI 综述

Mathias Grau 与 Pierre Henry-Labordère 在 arXiv 发布论文,提出基于前向-后向偏微分方程的生成建模框架 SBNL(Schrödinger Bridge NonLinear),通过耦合偏微分方程组给出经典薛定谔桥问题的非线性扩展,并结合平均场博弈论与分支扩散设计求解算法。 论文通过数值实验验证该方法,包括恢复经典薛定谔桥、带凸惩罚(Gross-Pitaevskii)及势能相互作用项的非线性扩展,以及在 MNIST 和 FFHQ 人脸数据集上的图像生成等高维生成任务。

AI 根据报道生成 · 2 小时前更新

报道时间线

沿着报道,了解事件的不同侧面。

10月23日
  1. arXiv cs.AI
    基于非线性 Schrödinger 桥与分支扩散的生成建模框架 SBNL

    研究者提出基于前向-后向偏微分方程的生成建模框架 SBNL(Schrödinger Bridge NonLinear),将平均场博弈论与非线性 Schrödinger 系统的联系重新解释于生成建模中,并设计基于分支扩散的求解算法。

本事件热度走势

还没有足够的连续观测数据,暂不绘制趋势。