Buchumschlag

Deconstructing Denoising Diffusion Models for Self-Supervised Learning

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Chen, Xinlei, Liu, Zhuang, Xie, Saining, He, Kaiming
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Computer Vision and Pattern Recognition Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

A Decade's Battle on Dataset Bias: Are We There Yet?
von: Liu, Zhuang, et al.
Veröffentlicht: (2024)

Scaling Proprioceptive-Visual Learning with Heterogeneous Pre-trained Transformers
von: Wang, Lirui, et al.
Veröffentlicht: (2024)

DiffDenoise: Self-Supervised Medical Image Denoising with Conditional Diffusion Models
von: Demir, Basar, et al.
Veröffentlicht: (2025)

Transformers without Normalization
von: Zhu, Jiachen, et al.
Veröffentlicht: (2025)

Diffusion Transformers with Representation Autoencoders
von: Zheng, Boyang, et al.
Veröffentlicht: (2025)

Residual Denoising Diffusion Models
von: Liu, Jiawei, et al.
Veröffentlicht: (2023)

Diffuse and Disperse: Image Generation with Representation Regularization
von: Wang, Runqian, et al.
Veröffentlicht: (2025)

SiT: Exploring Flow and Diffusion-based Generative Models with Scalable Interpolant Transformers
von: Ma, Nanye, et al.
Veröffentlicht: (2024)

Self-Refining Video Sampling
von: Jang, Sangwon, et al.
Veröffentlicht: (2026)

REPA-E: Unlocking VAE for End-to-End Tuning with Latent Diffusion Transformers
von: Leng, Xingjian, et al.
Veröffentlicht: (2025)

Self-Supervised Denoiser Framework
von: Valat, Emilien, et al.
Veröffentlicht: (2024)

Back to Basics: Let Denoising Generative Models Denoise
von: Li, Tianhong, et al.
Veröffentlicht: (2025)

Dissecting Generalized Category Discovery: Multiplex Consensus under Self-Deconstruction
von: Tang, Luyao, et al.
Veröffentlicht: (2025)

Closer to Reality: Practical Semi-Supervised Federated Learning for Foundation Model Adaptation
von: Sun, Guangyu, et al.
Veröffentlicht: (2025)

Representation Alignment for Generation: Training Diffusion Transformers Is Easier Than You Think
von: Yu, Sihyun, et al.
Veröffentlicht: (2024)

Flow Map Distillation Without Data
von: Tong, Shangyuan, et al.
Veröffentlicht: (2025)

Fractal Generative Models
von: Li, Tianhong, et al.
Veröffentlicht: (2025)

DiffusionMTL: Learning Multi-Task Denoising Diffusion Model from Partially Annotated Data
von: Ye, Hanrong, et al.
Veröffentlicht: (2024)

Deploying Self-Supervised Learning for Real Seismic Data Denoising
von: Arboleda, Giovanny A. M., et al.
Veröffentlicht: (2026)

Generative Modeling via Drifting
von: Deng, Mingyang, et al.
Veröffentlicht: (2026)

CoDe: Blockwise Control for Denoising Diffusion Models
von: Singh, Anuj, et al.
Veröffentlicht: (2025)

Ditch the Denoiser: Emergence of Noise Robustness in Self-Supervised Learning from Data Curriculum
von: Lu, Wenquan, et al.
Veröffentlicht: (2025)

Learning to Recorrupt: Noise Distribution Agnostic Self-Supervised Image Denoising
von: Monroy, Brayan, et al.
Veröffentlicht: (2026)

Generalized Semi-Supervised Learning via Self-Supervised Feature Adaptation
von: Liang, Jiachen, et al.
Veröffentlicht: (2024)

Variational Self-Supervised Learning
von: Yavuz, Mehmet Can, et al.
Veröffentlicht: (2025)

Self-Supervised Weight Templates for Scalable Vision Model Initialization
von: Xie, Yucheng, et al.
Veröffentlicht: (2026)

Denoising Task Difficulty-based Curriculum for Training Diffusion Models
von: Kim, Jin-Young, et al.
Veröffentlicht: (2024)

Dale meets Langevin: A Multiplicative Denoising Diffusion Model
von: Shetty, Nishanth, et al.
Veröffentlicht: (2025)

Soft Mixture Denoising: Beyond the Expressive Bottleneck of Diffusion Models
von: Li, Yangming, et al.
Veröffentlicht: (2023)

Unified Control for Inference-Time Guidance of Denoising Diffusion Models
von: Goyal, Maurya, et al.
Veröffentlicht: (2025)

Zigzag Diffusion Sampling: Diffusion Models Can Self-Improve via Self-Reflection
von: Bai, Lichen, et al.
Veröffentlicht: (2024)

Denoising Autoregressive Representation Learning
von: Li, Yazhe, et al.
Veröffentlicht: (2024)

Explicit Mutual Information Maximization for Self-Supervised Learning
von: Chang, Lele, et al.
Veröffentlicht: (2024)

Hyperspectral Anomaly Detection with Self-Supervised Anomaly Prior
von: Liu, Yidan, et al.
Veröffentlicht: (2024)

On Improving the Algorithm-, Model-, and Data- Efficiency of Self-Supervised Learning
von: Cao, Yun-Hao, et al.
Veröffentlicht: (2024)

Can Generative Models Improve Self-Supervised Representation Learning?
von: Ayromlou, Sana, et al.
Veröffentlicht: (2024)

DiffRatio: Training One-Step Diffusion Models Without Teacher Supervision
von: Chen, Wenlin, et al.
Veröffentlicht: (2025)

Branch-Tuning: Balancing Stability and Plasticity for Continual Self-Supervised Learning
von: Liu, Wenzhuo, et al.
Veröffentlicht: (2024)

Weak Augmentation Guided Relational Self-Supervised Learning
von: Zheng, Mingkai, et al.
Veröffentlicht: (2022)

Self-Supervised Learning by Curvature Alignment
von: Ghojogh, Benyamin, et al.
Veröffentlicht: (2025)