跳到正文
arXiv · ML· Luming Yang, Siqing Li, Haoxian Liu, Zhenyu Bu, Jiazheng Zhu, Alper Yilmaz·· 12 小时前AI 评分28

Isthmus 方法修复 One-step Flows 的不确定性缺失与稳定性问题

Isthmus: Bridging Supervision Islands Restores Uncertainty and Stability in One-Step Flows

AI 导读

研究指出 One-step flow maps 作为后验采样器时存在不确定性丢失与不稳定,直接监督会加剧样本向条件均值坍缩。 Isthmus 方法通过桥接训练对的时间位置,在 5% 训练对沿边分布下保持网络、损失与推理代码不变,无额外成本。 在 MRI 重建中,该方法将 One-step calibration 恢复至 0.96,与多步样本相关性达 0.93,且跨种子方差显著降低。

来源:arXiv · ML · arxiv.org