Buchumschlag

On Designing Diffusion Autoencoders for Efficient Generation and Representation Learning

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Proszewska, Magdalena, Malkin, Nikolay, Siddharth, N.
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

AIMing for Standardised Explainability Evaluation in GNNs: A Framework and Case Study on Graph Kernel Networks
von: Proszewska, Magdalena, et al.
Veröffentlicht: (2026)

Autoencoding Conditional Neural Processes for Representation Learning
von: Prokhorov, Victor, et al.
Veröffentlicht: (2023)

B-XAIC Dataset: Benchmarking Explainable AI for Graph Neural Networks Using Chemical Data
von: Proszewska, Magdalena, et al.
Veröffentlicht: (2025)

Data-to-Energy Stochastic Dynamics
von: Tamogashev, Kirill, et al.
Veröffentlicht: (2025)

On Generalization for Generative Flow Networks
von: Krichel, Anas, et al.
Veröffentlicht: (2024)

Discrete Compositional Generation via General Soft Operators and Robust Reinforcement Learning
von: Jiralerspong, Marco, et al.
Veröffentlicht: (2025)

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

Adaptive Destruction Processes for Diffusion Samplers
von: Gritsaev, Timofei, et al.
Veröffentlicht: (2025)

In-Context Parametric Inference: Point or Distribution Estimators?
von: Mittal, Sarthak, et al.
Veröffentlicht: (2025)

Functional Autoencoder for Smoothing and Representation Learning
von: Wu, Sidi, et al.
Veröffentlicht: (2024)

StrAE: Autoencoding for Pre-Trained Embeddings using Explicit Structure
von: Opper, Mattia, et al.
Veröffentlicht: (2023)

Discrete Probabilistic Inference as Control in Multi-path Environments
von: Deleu, Tristan, et al.
Veröffentlicht: (2024)

Random Forest Autoencoders for Guided Representation Learning
von: Aumon, Adrien, et al.
Veröffentlicht: (2025)

Koopman Autoencoders Learn Neural Representation Dynamics
von: Aswani, Nishant Suresh, et al.
Veröffentlicht: (2025)

Outsourced diffusion sampling: Efficient posterior inference in latent spaces of generative models
von: Venkatraman, Siddarth, et al.
Veröffentlicht: (2025)

Learning Decision Trees as Amortized Structure Inference
von: Mahfoud, Mohammed, et al.
Veröffentlicht: (2025)

From discrete-time policies to continuous-time diffusion samplers: Asymptotic equivalences and faster training
von: Berner, Julius, et al.
Veröffentlicht: (2025)

Likelihood hacking in probabilistic program synthesis
von: Karwowski, Jacek, et al.
Veröffentlicht: (2026)

Autoencoder-based General Purpose Representation Learning for Customer Embedding
von: Bertrand, Jan Henrik, et al.
Veröffentlicht: (2024)

Multi-Marginal Flow Matching with Adversarially Learnt Interpolants
von: Kviman, Oskar, et al.
Veröffentlicht: (2025)

Efficient Dictionary Learning with Switch Sparse Autoencoders
von: Mudide, Anish, et al.
Veröffentlicht: (2024)

Robust Representation Learning in Masked Autoencoders
von: Shrivastava, Anika, et al.
Veröffentlicht: (2026)

Evaluating Sparse Autoencoders for Monosemantic Representation
von: Fereidouni, Moghis, et al.
Veröffentlicht: (2025)

Learning Representations from Incomplete EHR Data with Dual-Masked Autoencoding
von: Xiang, Xiao, et al.
Veröffentlicht: (2026)

WavesFM: Hierarchical Representation Learning for Longitudinal Wearable Sensor Waveforms
von: Cao, Peng, et al.
Veröffentlicht: (2026)

Visual Disentangled Diffusion Autoencoders: Scalable Counterfactual Generation for Foundation Models
von: Bender, Sidney, et al.
Veröffentlicht: (2026)

EEGDM: EEG Representation Learning via Generative Diffusion Model
von: Puah, Jia Hong, et al.
Veröffentlicht: (2025)

PQMass: Probabilistic Assessment of the Quality of Generative Models using Probability Mass Estimation
von: Lemos, Pablo, et al.
Veröffentlicht: (2024)

Graph Representation Learning with Diffusion Generative Models
von: Wesego, Daniel
Veröffentlicht: (2025)

SARMAE: Masked Autoencoder for SAR Representation Learning
von: Liu, Danxu, et al.
Veröffentlicht: (2025)

How to Approximate Inference with Subtractive Mixture Models
von: Zellinger, Lena, et al.
Veröffentlicht: (2026)

Variational Rank Reduction Autoencoders for Generative Thermal Design
von: Tierz, Alicia, et al.
Veröffentlicht: (2025)

Data-Efficient Contrastive Self-supervised Learning: Most Beneficial Examples for Supervised Learning Contribute the Least
von: Joshi, Siddharth, et al.
Veröffentlicht: (2023)

Mixtures of In-Context Learners
von: Hong, Giwon, et al.
Veröffentlicht: (2024)

Diffusion Map Autoencoder
von: Candanedo, Julio
Veröffentlicht: (2024)

Kernel-Elastic Autoencoder for Molecular Design
von: Li, Haote, et al.
Veröffentlicht: (2023)

Discrete, compositional, and symbolic representations through attractor dynamics
von: Nam, Andrew, et al.
Veröffentlicht: (2023)

Sparse Autoencoders for Interpretable Medical Image Representation Learning
von: Wesp, Philipp, et al.
Veröffentlicht: (2026)

Attention-Guided Masked Autoencoders For Learning Image Representations
von: Sick, Leon, et al.
Veröffentlicht: (2024)

Mixed Autoencoder for Self-supervised Visual Representation Learning
von: Chen, Kai, et al.
Veröffentlicht: (2023)