Buchumschlag

Training-Free Constrained Generation With Stable Diffusion Models

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Zampini, Stefano, Christopher, Jacob K., Oneto, Luca, Anguita, Davide, Fioretto, Ferdinando
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Constrained Synthesis with Projected Diffusion Models
von: Christopher, Jacob K, et al.
Veröffentlicht: (2024)

Constraint-Aware Flow Matching: Decision Aligned End-to-End Training for Constrained Sampling
von: Christopher, Jacob K., et al.
Veröffentlicht: (2026)

Constrained Discrete Diffusion
von: Cardei, Michael, et al.
Veröffentlicht: (2025)

Neuro-Symbolic Generative Diffusion Models for Physically Grounded, Robust, and Safe Generation
von: Christopher, Jacob K., et al.
Veröffentlicht: (2025)

Constrained Diffusion for Protein Design with Hard Structural Constraints
von: Christopher, Jacob K., et al.
Veröffentlicht: (2025)

Search-Augmented Masked Diffusion Models for Constrained Generation
von: Ta, Huu Binh, et al.
Veröffentlicht: (2026)

Simultaneous Multi-Robot Motion Planning with Projected Diffusion Models
von: Liang, Jinhao, et al.
Veröffentlicht: (2025)

Multi-Agent Path Finding in Continuous Spaces with Projected Diffusion Models
von: Liang, Jinhao, et al.
Veröffentlicht: (2024)

Constrained Diffusion for Accelerated Structure Relaxation of Inorganic Solids with Point Defects
von: Cui, Jingyi, et al.
Veröffentlicht: (2026)

Learning Constrained Optimization with Deep Augmented Lagrangian Methods
von: Kotary, James, et al.
Veröffentlicht: (2024)

Robustness-Congruent Adversarial Training for Secure Machine Learning Model Updates
von: Angioni, Daniele, et al.
Veröffentlicht: (2024)

Speculative Diffusion Decoding: Accelerating Language Generation through Diffusion
von: Christopher, Jacob K, et al.
Veröffentlicht: (2024)

Simple Self-Conditioning Adaptation for Masked Diffusion Models
von: Cardei, Michael, et al.
Veröffentlicht: (2026)

Learning to Solve Optimization Problems Constrained with Partial Differential Equations
von: Guven, Yusuf, et al.
Veröffentlicht: (2025)

Learning To Solve Differential Equation Constrained Optimization Problems
von: Di Vito, Vincenzo, et al.
Veröffentlicht: (2024)

Analyzing and Enhancing the Backward-Pass Convergence of Unrolled Optimization
von: Kotary, James, et al.
Veröffentlicht: (2023)

Simulation-Informed Diffusion for Decentralized Multi-robot Motion Planning
von: Liang, Jinhao, et al.
Veröffentlicht: (2026)

Discrete-Guided Diffusion for Scalable and Safe Multi-Robot Motion Planning
von: Liang, Jinhao, et al.
Veröffentlicht: (2025)

Learning Joint Models of Prediction and Optimization
von: Kotary, James, et al.
Veröffentlicht: (2024)

Learning to Solve Constrained Bilevel Control Co-Design Problems
von: Kotary, James, et al.
Veröffentlicht: (2025)

Disparate Impact on Group Accuracy of Linearization for Private Inference
von: Das, Saswat, et al.
Veröffentlicht: (2024)

Global-Decision-Focused Neural ODEs for Proactive Grid Resilience Management
von: Chen, Shuyi, et al.
Veröffentlicht: (2025)

Metric Learning to Accelerate Convergence of Operator Splitting Methods for Differentiable Parametric Programming
von: King, Ethan, et al.
Veröffentlicht: (2024)

Gen-DFL: Decision-Focused Generative Learning for Robust Decision Making
von: Wang, Prince Zizhuang, et al.
Veröffentlicht: (2025)

Differentially Private Data Release on Graphs: Inefficiencies and Unfairness
von: Fioretto, Ferdinando, et al.
Veröffentlicht: (2024)

Chance-constrained Flow Matching for High-Fidelity Constraint-aware Generation
von: Liang, Jinhao, et al.
Veröffentlicht: (2025)

Learning Fair Ranking Policies via Differentiable Optimization of Ordered Weighted Averages
von: Dinh, My H., et al.
Veröffentlicht: (2024)

Decision Making with Differential Privacy under a Fairness Lens
von: Fioretto, Ferdinando, et al.
Veröffentlicht: (2021)

The Data Minimization Principle in Machine Learning
von: Ganesh, Prakhar, et al.
Veröffentlicht: (2024)

Boundary-Constrained Diffusion Models for Floorplan Generation: Balancing Realism and Diversity
von: Stoppani, Leonardo, et al.
Veröffentlicht: (2026)

TFG: Unified Training-Free Guidance for Diffusion Models
von: Ye, Haotian, et al.
Veröffentlicht: (2024)

Biased Generalization in Diffusion Models
von: Garnier-Brun, Jerome, et al.
Veröffentlicht: (2026)

Drift Flow Matching
von: Ma, Chenrui, et al.
Veröffentlicht: (2026)

Constrained Code Generation with Discrete Diffusion
von: Shao, Lize, et al.
Veröffentlicht: (2026)

Constrained Generative Modeling with Manually Bridged Diffusion Models
von: Naderiparizi, Saeid, et al.
Veröffentlicht: (2025)

SpecDiff-2: Scaling Diffusion Drafter Alignment For Faster Speculative Decoding
von: Sandler, Jameson, et al.
Veröffentlicht: (2025)

Training-Free Guidance for Discrete Diffusion Models for Molecular Generation
von: Kerby, Thomas J., et al.
Veröffentlicht: (2024)

On The Fairness Impacts of Hardware Selection in Machine Learning
von: Nelaturu, Sree Harsha, et al.
Veröffentlicht: (2023)

Low-rank finetuning for LLMs: A fairness perspective
von: Das, Saswat, et al.
Veröffentlicht: (2024)

End-to-End Optimization and Learning of Fair Court Schedules
von: Dinh, My H, et al.
Veröffentlicht: (2024)