跳到主要内容
检索

# 潜在扩散模型

12 篇关联报道

订阅更新
  1. arXiv

    只改5%像素就能挡住人脸伪造:SEAL在CelebA-HQ与VGGFace2上把身份相似度压到0.15以内

    给照片加对抗扰动可以阻止扩散模型学会某人身份,但以往方法要在整张脸上密集改动,累积失真在五官附近肉眼可见。SEAL把扰动限制在5%的空间位置上,用可微的top-k掩码同时优化扰动位置与数值,并针对冻结VAE编码器的潜变量方差做破坏。在CelebA-HQ与VGGFace2上,受保护图像PSNR超过41 dB、SSIM为0.97、LPIPS不超过0.07,经DreamBooth个性化后身份相似度最高0.15。

  2. bioRxiv

    单细胞基准测试有了可调强度的模拟器:scDeepSim 让批次效应和轨迹几何按需变化

    单细胞方法基准测试长期受制于真实数据标注昂贵、且只能反映一种观测条件。scDeepSim 把细胞表达编码到按细胞类型、批次和残差分开的潜子空间,再用潜扩散模型学习这些表示的分布,生成时只改动目标子空间,从而按用户设定的强度施加批次效应或构造分支轨迹。在 scIB 人类胰腺数据上,结构化模型在干预强度 α=1 时细胞类型平均轮廓宽度为 0.519,普通变分自编码器为 0.432。

  3. arXiv

    严重结核CT的肺掩膜漏掉空洞,LungMend只用健康肺形状先验补回,Dice达0.986

    严重结核CT上,空洞和实变因密度接近软组织而被R231等分割模型排除在肺掩膜之外。LungMend把掩膜修正当作形状补全:在57例健康肺上训练潜空间扩散先验,用模拟分割失败的损坏掩膜和不受病变影响的骨骼解剖作条件,不使用任何病理数据或CT强度。在20例重度结核的200张放射科医生修正切片上,Dice为0.986、平均表面距离0.57 mm,空洞与实变召回分别为0.993和0.981。

  4. arXiv

    地下流动数据同化改用自适应回火序贯蒙特卡洛:四个合成真模型的后验与参考MCMC接近,单GPU提速2.5–7.0倍

    地下流动系统的地质不确定性常是分层的:既有一组控制整体统计性质的地质元参数,又有逐网格的属性场,两者都要从观测中估计。一种自适应回火序贯蒙特卡洛方法把元参数与高斯潜变量放进同一个似然框架联合估计,用代理模型承担全部前向计算。在四个合成真模型上,它的后验元参数分布与流动预测和参考MCMC结果接近,单GPU数据同化提速2.5–7.0倍,且所需函数评估更少。

  5. arXiv

    地下裂缝网络不再逐条抽样:潜扩散模型直接生成三维体素场,稀疏井观测满足率84.2%

    地下裂缝网络此前只能按预设统计量逐条抽样,难以在稀疏井观测下约束。这里把二维与三维裂缝网络表示为二值占据场,用变分自编码器压到紧凑潜空间,再由扩散模型学习其分布,并通过学习式条件编码、无分类器引导与扩散后验采样把井观测注入采样过程。二维条件实现满足99.6%的井观测,三维原生体素场在保持裂缝体积分数接近参考集合的同时满足84.2%的井体素。

  6. arXiv

    事件序列预测不再只看准不准:把扩散模型的真实感聚合成点预测,TMS反超专用预测器

    事件序列预测长期只按预测精度排名,而生成模型本可给出多条可能未来。一项面向银行卡交易等异构事件序列的基准同时衡量预测精度与分布真实性,发现没有方法能同时占优:扩散模型在真实性上领先,专用预测器在精度上领先。名为 Wasserstein BaryBooster 的事后聚合把扩散模型的多条采样收敛成单条轨迹,在三个数据集上取得最高 TMS,同时保留非平凡的 cDFS。

  7. arXiv

    MPAD用2D扩散加多平面自回归实现3D多对比度MRI合成,训练FLOPs降7倍、推理降3倍

    作者提出MPAD:先用3D自编码器把MRI体积压成各向同性隐表示,再用2D扩散模型重建被掩码的目标对比度隐切片,并以源对比度切片、未掩码目标切片和文本模态提示为条件;推理时按平面自回归生成,把已合成体积作为正交平面的先验,从而仅用2D操作完成全容积3D合成,相比3D隐扩散基线训练FLOPs降7倍、推理FLOPs降3倍,并在ADNI与IXI上取得更优的PSNR、SSIM与NMSE。

  8. arXiv

    VolCo 用体积接触表示与体积级潜扩散生成更紧、穿透更浅的人手抓取

    作者提出 VolCo——把物体表面采样点扩展为局部三维体积网格、在每个网格点编码接触似然与连续表面嵌入(CSE)对应关系的分层接触表示,并据此构建 VolCoDiff:用 VolumeVAE 建模局部可行手部构型、用先验引导的潜扩散建模全局手部几何,在 GRAB 与 HO3D 上取得最低穿透深度与最高稳定性,生成更紧、接触面积更大的抓取。

  9. arXiv

    EagleDepth用像素扩散解码器在4K分辨率下实现更快更细的单目深度估计

    EagleDepth把深度适配的潜空间扩散与像素空间生成结合:先用配对RGB-深度数据微调FLUX.2-klein-4B,在约512像素的低分辨率RGB上预测粗略深度潜码,再冻结该分支并微调预训练像素扩散解码器PiD,以原始高分辨率RGB为输入状态、以粗略深度潜码为条件,单步直接生成目标分辨率深度图,从而绕开VAE解码器;在五个常用深度数据集与Synth4K上取得有竞争力的整体精度,并在Synth4K全部五个子集的高频掩码指标与边界F1上领先,同时在4K推理中为所评估方法中最快。

  10. arXiv

    CrashSim 用真实事故先验生成碰撞场景,构建 4000+ 例 nuCrash 并放大五种规划器的安全差异

    作者提出 CrashSim,一个以真实事故先验引导生成式多智能体交通仿真的碰撞场景生成框架:它用视觉语言模型理解自然驾驶场景、以分层检索从真实事故数据库中匹配事故先验,并把先验的相对运动模式与行为阶段时序转成锚点引导,驱动在 nuScenes 上预训练的扩散生成器产生安全关键交互;结果显示 CrashSim 比 Strive 和 LD-scene 更贴近真实事故的碰撞前行为、碰撞动力学、碰撞几何与事故类型分布,并据此构建了包含 4000 多个碰撞与近碰撞场景的 nuCrash 数据集,五种规划器在其上的闭环表现差异明显大于 nuScenes,LLM 评估智能体还能给出能力层面的诊断与改进建议。