Buchumschlag

Guaranteed Conditional Diffusion: 3D Block-based Models for Scientific Data Compression

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Lee, Jaemoon, Li, Xiao, Zhu, Liangji, Ranka, Sanjay, Rangarajan, Anand
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

Foundation Model for Lossy Compression of Spatiotemporal Scientific Data
von: Li, Xiao, et al.
Veröffentlicht: (2024)

Attention Based Machine Learning Methods for Data Reduction with Guaranteed Error Bounds
von: Li, Xiao, et al.
Veröffentlicht: (2024)

Generative Latent Diffusion for Efficient Spatiotemporal Data Reduction
von: Li, Xiao, et al.
Veröffentlicht: (2025)

Machine Learning Techniques for Data Reduction of Climate Applications
von: Li, Xiao, et al.
Veröffentlicht: (2024)

Machine Learning Techniques for Data Reduction of CFD Applications
von: Lee, Jaemoon, et al.
Veröffentlicht: (2024)

Enactor: From Traffic Simulators to Surrogate World Models
von: Ranjan, Yash, et al.
Veröffentlicht: (2026)

IntTrajSim: Trajectory Prediction for Simulating Multi-Vehicle driving at Signalized Intersections
von: Ranjan, Yash, et al.
Veröffentlicht: (2025)

MTDT: A Multi-Task Deep Learning Digital Twin
von: Yousefzadeh, Nooshin, et al.
Veröffentlicht: (2024)

Graph Attention Network for Lane-Wise and Topology-Invariant Intersection Traffic Simulation
von: Yousefzadeh, Nooshin, et al.
Veröffentlicht: (2024)

TGDT: A Temporal Graph-based Digital Twin for Urban Traffic Corridors
von: Yousefzadeh, Nooshin, et al.
Veröffentlicht: (2025)

Dynamic Graph Attention Networks for Travel Time Distribution Prediction in Urban Arterial Roads
von: Yousefzadeh, Nooshin, et al.
Veröffentlicht: (2024)

Evaluating Generative Vehicle Trajectory Models for Traffic Intersection Dynamics
von: Ranjan, Yash, et al.
Veröffentlicht: (2025)

Random Conditioning with Distillation for Data-Efficient Diffusion Model Compression
von: Kim, Dohyun, et al.
Veröffentlicht: (2025)

Convergence Guarantees for the DeepWalk Embedding on Block Models
von: Harker, Christopher, et al.
Veröffentlicht: (2024)

On Model Compression for Neural Networks: Framework, Algorithm, and Convergence Guarantee
von: Li, Chenyang, et al.
Veröffentlicht: (2023)

Using Artificial Intuition in Distinct, Minimalist Classification of Scientific Abstracts for Management of Technology Portfolios
von: Ranka, Prateek, et al.
Veröffentlicht: (2025)

A General Framework for Error-controlled Unstructured Scientific Data Compression
von: Gong, Qian, et al.
Veröffentlicht: (2025)

Pretrained-Guided Conditional Diffusion Models for Microbiome Data Analysis
von: Shi, Xinyuan, et al.
Veröffentlicht: (2024)

AMPED: Adaptive Multi-objective Projection for balancing Exploration and skill Diversification
von: Cho, Geonwoo, et al.
Veröffentlicht: (2025)

Asymptotic Learning Curves for Diffusion Models with Random Features Score and Manifold Data
von: George, Anand Jerry, et al.
Veröffentlicht: (2026)

From Tokens to Blocks: A Block-Diffusion Perspective on Molecular Generation
von: Yang, Qianwei, et al.
Veröffentlicht: (2026)

Blocking Bandits
von: Basu, Soumya, et al.
Veröffentlicht: (2019)

Learning Temporal Logic Predicates from Data with Statistical Guarantees
von: Soroka, Emi, et al.
Veröffentlicht: (2024)

Data-Driven Reachability Analysis via Diffusion Models with PAC Guarantees
von: Huang, Yanliang, et al.
Veröffentlicht: (2026)

Your Absorbing Discrete Diffusion Secretly Models the Conditional Distributions of Clean Data
von: Ou, Jingyang, et al.
Veröffentlicht: (2024)

LLMComp: A Language Modeling Paradigm for Error-Bounded Scientific Data Compression (Technical Report)
von: Li, Guozhong, et al.
Veröffentlicht: (2025)

GraphComp: Extreme Error-bounded Compression of Scientific Data via Temporal Graph Autoencoders
von: Li, Guozhong, et al.
Veröffentlicht: (2025)

Scientific Data Compression and Super-Resolution Sampling
von: Vu, Minh, et al.
Veröffentlicht: (2025)

Lossy Image Compression with Conditional Diffusion Models
von: Yang, Ruihan, et al.
Veröffentlicht: (2022)

Sparse Data Diffusion for Scientific Simulations in Biology and Physics
von: Ostheimer, Phil, et al.
Veröffentlicht: (2025)

Parameter Inference and Uncertainty Quantification with Diffusion Models: Extending CDI to 2D Spatial Conditioning
von: Torbunov, Dmitrii, et al.
Veröffentlicht: (2026)

Reinforcement Learning-based Feature Generation Algorithm for Scientific Data
von: Xiao, Meng, et al.
Veröffentlicht: (2025)

Conditional Diffusion Models for Semantic 3D Brain MRI Synthesis
von: Dorjsembe, Zolnamar, et al.
Veröffentlicht: (2023)

Generating 3D Binding Molecules Using Shape-Conditioned Diffusion Models with Guidance
von: Chen, Ziqi, et al.
Veröffentlicht: (2025)

Conditional Diffusion Models Based Conditional Independence Testing
von: Yang, Yanfeng, et al.
Veröffentlicht: (2024)

Online Time Series Forecasting with Theoretical Guarantees
von: Li, Zijian, et al.
Veröffentlicht: (2025)

Delta Decompression for MoE-based LLMs Compression
von: Gu, Hao, et al.
Veröffentlicht: (2025)

RCDM: Enabling Robustness for Conditional Diffusion Model
von: Xu, Weifeng, et al.
Veröffentlicht: (2024)

Sparse $L^1$-Autoencoders for Scientific Data Compression
von: Chung, Matthias, et al.
Veröffentlicht: (2024)

Understanding and Mitigating Memorization in Diffusion Models for Tabular Data
von: Fang, Zhengyu, et al.
Veröffentlicht: (2024)