Buchumschlag

Reliable Trajectory Prediction and Uncertainty Quantification with Conditioned Diffusion Models

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Neumeier, Marion, Dorn, Sebastian, Botsch, Michael, Utschick, Wolfgang
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Machine Learning Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Uncertainty-Aware Diffusion Model for Multimodal Highway Trajectory Prediction via DDIM Sampling
von: Neumeier, Marion, et al.
Veröffentlicht: (2026)

Uncertainty-Aware Hybrid Machine Learning in Virtual Sensors for Vehicle Sideslip Angle Estimation
von: Kalyanasundaram, Abinav, et al.
Veröffentlicht: (2025)

Shifting Uncertainty to Critical Moments: Towards Reliable Uncertainty Quantification for VLA Model
von: Tang, Yanchuan, et al.
Veröffentlicht: (2026)

Fair Uncertainty Quantification for Depression Prediction
von: Li, Yonghong, et al.
Veröffentlicht: (2025)

DiffLoad: Uncertainty Quantification in Electrical Load Forecasting with the Diffusion Model
von: Wang, Zhixian, et al.
Veröffentlicht: (2023)

Quantile Regression, Variational Autoencoders, and Diffusion Models for Uncertainty Quantification: A Spatial Analysis of Sub-seasonal Wind Speed Prediction
von: Tian, Ganglin, et al.
Veröffentlicht: (2025)

Robust Uncertainty Quantification Using Conformalised Monte Carlo Prediction
von: Bethell, Daniel, et al.
Veröffentlicht: (2023)

Towards Uncertainty Quantification in Generative Model Learning
von: Morales, Giorgio, et al.
Veröffentlicht: (2025)

Improving Counterfactual Truthfulness for Molecular Property Prediction through Uncertainty Quantification
von: Teufel, Jonas, et al.
Veröffentlicht: (2025)

UQGNN: Uncertainty Quantification of Graph Neural Networks for Multivariate Spatiotemporal Prediction
von: Yu, Dahai, et al.
Veröffentlicht: (2025)

Conformal Prediction Beyond the Seen: A Missing Mass Perspective for Uncertainty Quantification in Generative Models
von: Noorani, Sima, et al.
Veröffentlicht: (2025)

Crossfusor: A Cross-Attention Transformer Enhanced Conditional Diffusion Model for Car-Following Trajectory Prediction
von: You, Junwei, et al.
Veröffentlicht: (2024)

Conf-Gen: Conformal Uncertainty Quantification for Generative Models
von: Loaiza-Ganem, Gabriel, et al.
Veröffentlicht: (2026)

Model-Agnostic Dynamic Feature Selection with Uncertainty Quantification
von: Fumanal-Idocin, Javier, et al.
Veröffentlicht: (2025)

Uncertainty Quantification in the Tsetlin Machine
von: Helin, Runar, et al.
Veröffentlicht: (2025)

Uncertainty Quantification in SVM prediction
von: Anand, Pritam
Veröffentlicht: (2025)

Improving Label Error Detection and Elimination with Uncertainty Quantification
von: Jakubik, Johannes, et al.
Veröffentlicht: (2024)

One Fits All: General Mobility Trajectory Modeling via Masked Conditional Diffusion
von: Long, Qingyue, et al.
Veröffentlicht: (2025)

The Role of Ambiguity in Error Prediction via Uncertainty Quantification
von: Staliūnaitė, Ieva Raminta, et al.
Veröffentlicht: (2026)

Zono-Conformal Prediction: Zonotope-Based Uncertainty Quantification for Regression and Classification Tasks
von: Lützow, Laura, et al.
Veröffentlicht: (2025)

Credal Ensemble Distillation for Uncertainty Quantification
von: Wang, Kaizheng, et al.
Veröffentlicht: (2025)

Streamflow Prediction with Uncertainty Quantification for Water Management: A Constrained Reasoning and Learning Approach
von: Gharsallaoui, Mohammed Amine, et al.
Veröffentlicht: (2024)

Torch-Uncertainty: A Deep Learning Framework for Uncertainty Quantification
von: Lafage, Adrien, et al.
Veröffentlicht: (2025)

Decision Theoretic Foundations for Conformal Prediction: Optimal Uncertainty Quantification for Risk-Averse Agents
von: Kiyani, Shayan, et al.
Veröffentlicht: (2025)

Physics-Based Hybrid Machine Learning for Critical Heat Flux Prediction with Uncertainty Quantification
von: Furlong, Aidan, et al.
Veröffentlicht: (2025)

The Consistency Hypothesis in Uncertainty Quantification for Large Language Models
von: Xiao, Quan, et al.
Veröffentlicht: (2025)

Efficient Normalized Conformal Prediction and Uncertainty Quantification for Anti-Cancer Drug Sensitivity Prediction with Deep Regression Forests
von: Nolte, Daniel, et al.
Veröffentlicht: (2024)

DiffHybrid-UQ: Uncertainty Quantification for Differentiable Hybrid Neural Modeling
von: Akhare, Deepak, et al.
Veröffentlicht: (2023)

Uncertainty Quantification in Probabilistic Machine Learning Models: Theory, Methods, and Insights
von: Ajirak, Marzieh, et al.
Veröffentlicht: (2025)

Uncertainty Quantification of Large Language Models using Approximate Bayesian Computation
von: Sharma, Mridul, et al.
Veröffentlicht: (2025)

Position: Uncertainty Quantification Needs Reassessment for Large-language Model Agents
von: Kirchhof, Michael, et al.
Veröffentlicht: (2025)

Black-box Uncertainty Quantification Method for LLM-as-a-Judge
von: Wagner, Nico, et al.
Veröffentlicht: (2024)

A Rate-Distortion View of Uncertainty Quantification
von: Apostolopoulou, Ifigeneia, et al.
Veröffentlicht: (2024)

Uncertainty Quantification via Stable Distribution Propagation
von: Petersen, Felix, et al.
Veröffentlicht: (2024)

GNN's Uncertainty Quantification using Self-Distillation
von: Daneshvar, Hirad, et al.
Veröffentlicht: (2025)

Tackling Fake Forgetting through Uncertainty Quantification
von: Shi, Yingdan, et al.
Veröffentlicht: (2025)

Diffusion Model Predictive Control
von: Zhou, Guangyao, et al.
Veröffentlicht: (2024)

Efficient Virtuoso: A Latent Diffusion Transformer Model for Goal-Conditioned Trajectory Planning
von: Guillen-Perez, Antonio
Veröffentlicht: (2025)

Generative Uncertainty in Diffusion Models
von: Jazbec, Metod, et al.
Veröffentlicht: (2025)

HybridFlow: Quantification of Aleatoric and Epistemic Uncertainty with a Single Hybrid Model
von: Van Katwyk, Peter, et al.
Veröffentlicht: (2025)