Buchumschlag

Score-based Pullback Riemannian Geometry: Extracting the Data Manifold Geometry using Anisotropic Flows

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Diepeveen, Willem, Batzolis, Georgios, Shumaylov, Zakhar, Schönlieb, Carola-Bibiane
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Machine Learning Differential Geometry
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Pullback Flow Matching on Data Manifolds
von: de Kruiff, Friso, et al.
Veröffentlicht: (2024)

Manifold Learning with Normalizing Flows: Towards Regularity, Expressivity and Iso-Riemannian Geometry
von: Diepeveen, Willem, et al.
Veröffentlicht: (2025)

On Information Geometry and Iterative Optimization in Model Compression: Operator Factorization
von: Shumaylov, Zakhar, et al.
Veröffentlicht: (2025)

Iso-Riemannian Optimization on Learned Data Manifolds
von: Diepeveen, Willem, et al.
Veröffentlicht: (2025)

Data-driven approaches to inverse problems
von: Schönlieb, Carola-Bibiane, et al.
Veröffentlicht: (2025)

Riemannian Archetypal Analysis: Interpretable non-linear data analysis on deformed star distributions
von: Diepeveen, Willem, et al.
Veröffentlicht: (2026)

Curvature Corrected Nonnegative Manifold Data Factorization
von: Chew, Joyce, et al.
Veröffentlicht: (2025)

Pulling back symmetric Riemannian geometry for data analysis
von: Diepeveen, Willem
Veröffentlicht: (2024)

Staying on the Manifold: Geometry-Aware Noise Injection
von: Jacobsen, Albert Kjøller, et al.
Veröffentlicht: (2025)

Riemannian AmbientFlow: Towards Simultaneous Manifold Learning and Generative Modeling from Corrupted Data
von: Diepeveen, Willem, et al.
Veröffentlicht: (2026)

Geometry-Aware Generative Autoencoders for Warped Riemannian Metric Learning and Generative Modeling on Data Manifolds
von: Sun, Xingzhi, et al.
Veröffentlicht: (2024)

Manifold Integrated Gradients: Riemannian Geometry for Feature Attribution
von: Zaher, Eslam, et al.
Veröffentlicht: (2024)

Riemannian Variational Flow Matching for Material and Protein Design
von: Zaghen, Olga, et al.
Veröffentlicht: (2025)

Symplectic Neural Flows for Modeling and Discovery
von: Canizares, Priscilla, et al.
Veröffentlicht: (2024)

A singular Riemannian Geometry Approach to Deep Neural Networks III. Piecewise Differentiable Layers and Random Walks on $n$-dimensional Classes
von: Benfenati, Alessandro, et al.
Veröffentlicht: (2024)

Weakly Convex Regularisers for Inverse Problems: Convergence of Critical Points and Primal-Dual Optimisation
von: Shumaylov, Zakhar, et al.
Veröffentlicht: (2024)

Neural Feature Geometry Evolves as Discrete Ricci Flow
von: Hehl, Moritz, et al.
Veröffentlicht: (2025)

Chernoff Bounds for Tensor Expanders on Riemannian Manifolds Using Graph Laplacian Approximation
von: Chang, Shih-Yu
Veröffentlicht: (2024)

Geometry-aware similarity metrics for neural representations on Riemannian and statistical manifolds
von: Cayco-Gajic, N Alex, et al.
Veröffentlicht: (2026)

Discretized Gradient Flow for Manifold Learning in the Space of Embeddings
von: Gold, Dara, et al.
Veröffentlicht: (2019)

Hamiltonian Matching for Symplectic Neural Integrators
von: Canizares, Priscilla, et al.
Veröffentlicht: (2024)

Quantum Geometry insights in Deep Learning
von: Combe, Noémie C.
Veröffentlicht: (2025)

Generalized Lie Symmetries in Physics-Informed Neural Operators
von: Wang, Amy Xiang, et al.
Veröffentlicht: (2025)

Geometry Via Sprays on Frechet Manifolds
von: Eftekharinasab, Kaveh
Veröffentlicht: (2023)

Distance Measure Based on an Embedding of the Manifold of K-Component Gaussian Mixture Models into the Manifold of Symmetric Positive Definite Matrices
von: Vishwakarma, Amit, et al.
Veröffentlicht: (2025)

Riemannian Integrated Gradients: A Geometric View of Explainable AI
von: Costanza, Federico, et al.
Veröffentlicht: (2025)

Universal kernels via harmonic analysis on Riemannian symmetric spaces
von: Steinert, Franziskus, et al.
Veröffentlicht: (2025)

Diffeomorphism-Equivariant Neural Networks
von: Oettinger, Josephine Elisabeth, et al.
Veröffentlicht: (2026)

Supervised Quadratic Feature Analysis: Information Geometry Approach for Dimensionality Reduction
von: Herrera-Esposito, Daniel, et al.
Veröffentlicht: (2025)

Integrable Geodesic Flows on Cones over Riemannian Manifolds
von: Mironov, Andrey E., et al.
Veröffentlicht: (2025)

Hardness of Learning Neural Networks under the Manifold Hypothesis
von: Kiani, Bobak T., et al.
Veröffentlicht: (2024)

PINNs in More General Geometry
von: Hirst, Edward
Veröffentlicht: (2026)

Learning Beyond Euclid: Curvature-Adaptive Generalization for Neural Networks on Manifolds
von: Sarkar, Krisanu
Veröffentlicht: (2025)

Radial Compensation: Fixing Radius Distortion in Chart-Based Generative Models on Riemannian Manifolds
von: Papamichalis, Marios, et al.
Veröffentlicht: (2025)

When is a System Discoverable from Data? Discovery Requires Chaos
von: Shumaylov, Zakhar, et al.
Veröffentlicht: (2025)

On Higher-Order Geometric Refinements of Classical Covariance Asymptotics: An Approach via Intrinsic and Extrinsic Information Geometry
von: Amir, Malik, et al.
Veröffentlicht: (2026)

New Asymptotic Geometric Quantities in Riemannian Geometry and their Geometric applications
von: Jin, Xiaoshang, et al.
Veröffentlicht: (2026)

Riemannian Geometry to Higher Order in the Infinitesimals
von: Bies, William
Veröffentlicht: (2023)

Expressivity of Bi-Lipschitz Normalizing Flows: A Score-Based Diffusion Perspective
von: Iske, Meira, et al.
Veröffentlicht: (2026)

A mathematical framework of intelligence and consciousness based on Riemannian Geometry
von: Lu, Meng
Veröffentlicht: (2024)