:: Library Catalog

Buchumschlag

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Patsenker, Jonathan, Li, Henry, Ko, Myeongseob, Jia, Ruoxi, Kluger, Yuval
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning Computation
Online-Zugang:	https://arxiv.org/abs/2508.02964
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Boosting Alignment for Post-Unlearning Text-to-Image Generative Models
von: Ko, Myeongseob, et al.
Veröffentlicht: (2024)

Characterizing Model-Native Skills
von: Kang, Feiyang, et al.
Veröffentlicht: (2026)

The Signal is in the Steps: Local Scoring for Reasoning Data Selection
von: Just, Hoang Anh, et al.
Veröffentlicht: (2025)

Probing Knowledge Holes in Unlearned LLMs
von: Ko, Myeongseob, et al.
Veröffentlicht: (2025)

The Mirrored Influence Hypothesis: Efficient Data Influence Estimation by Harnessing Forward Passes
von: Ko, Myeongseob, et al.
Veröffentlicht: (2024)

PRISM: Probabilistic and Robust Inverse Solver with Measurement-Conditioned Diffusion Prior for Blind Inverse Problems
von: Hu, Yuanyun, et al.
Veröffentlicht: (2025)

Likelihood Training of Cascaded Diffusion Models via Hierarchical Volume-preserving Maps
von: Li, Henry, et al.
Veröffentlicht: (2025)

Measurement-Consistent Langevin Corrector for Stabilizing Latent Diffusion Inverse Problem Solvers
von: Hyoseok, Lee, et al.
Veröffentlicht: (2026)

Euclidean Distance Deflation Under High-Dimensional Heteroskedastic Noise
von: Li, Keyi, et al.
Veröffentlicht: (2025)

Dual Diffusion for Unified Image Generation and Understanding
von: Li, Zijie, et al.
Veröffentlicht: (2024)

ERA-Solver: Error-Robust Adams Solver for Fast Sampling of Diffusion Probabilistic Models
von: Li, Shengming, et al.
Veröffentlicht: (2023)

Accelerating Video Inverse Problem Solvers with Autoregressive Diffusion Models
von: Kwon, Taesung, et al.
Veröffentlicht: (2026)

Benchmarking Diffusion Annealing-Based Bayesian Inverse Problem Solvers
von: Crafts, Evan Scope, et al.
Veröffentlicht: (2025)

Understanding and Enhancing Mask-Based Pretraining towards Universal Representations
von: Dong, Mingze, et al.
Veröffentlicht: (2025)

Beyond Accuracy: Evaluating Posterior Fidelity of Diffusion Inverse Solvers
von: Qiu, Xiaoyu, et al.
Veröffentlicht: (2026)

DPM-Solver++: Fast Solver for Guided Sampling of Diffusion Probabilistic Models
von: Lu, Cheng, et al.
Veröffentlicht: (2022)

Flower: A Flow-Matching Solver for Inverse Problems
von: Pourya, Mehrsa, et al.
Veröffentlicht: (2025)

Improving Diffusion Inverse Problem Solving with Decoupled Noise Annealing
von: Zhang, Bingliang, et al.
Veröffentlicht: (2024)

Regularization by Texts for Latent Diffusion Inverse Solvers
von: Kim, Jeongsol, et al.
Veröffentlicht: (2023)

Solving Inverse Problems via Diffusion Optimal Control
von: Li, Henry, et al.
Veröffentlicht: (2024)

Consistency Model is an Effective Posterior Sample Approximation for Diffusion Inverse Solvers
von: Xu, Tongda, et al.
Veröffentlicht: (2024)

Robust Data Watermarking in Language Models by Injecting Fictitious Knowledge
von: Cui, Xinyue, et al.
Veröffentlicht: (2025)

Automated Tuning for Diffusion Inverse Problem Solvers without Generative Prior Retraining
von: Alçalar, Yaşar Utku, et al.
Veröffentlicht: (2025)

VISION-XL: High Definition Video Inverse Problem Solver using Latent Image Diffusion Models
von: Kwon, Taesung, et al.
Veröffentlicht: (2024)

Measurement Geometry and Design for Trustworthy Generative Inverse Problems
von: Jin, Pengfei, et al.
Veröffentlicht: (2026)

SpectralNet: Spectral Clustering using Deep Neural Networks
von: Shaham, Uri, et al.
Veröffentlicht: (2018)

DiffInject: Revisiting Debias via Synthetic Data Generation using Diffusion-based Style Injection
von: Ko, Donggeun, et al.
Veröffentlicht: (2024)

Weak Diffusion Priors Can Still Achieve Strong Inverse-Problem Performance
von: Jia, Jing, et al.
Veröffentlicht: (2026)

Enhancing Diffusion Posterior Sampling for Inverse Problems by Integrating Crafted Measurements
von: Zhou, Shijie, et al.
Veröffentlicht: (2024)

Entropic Optimal Transport Eigenmaps for Nonlinear Alignment and Joint Embedding of High-Dimensional Datasets
von: Landa, Boris, et al.
Veröffentlicht: (2024)

RINS-T: Robust Implicit Neural Solvers for Time Series Linear Inverse Problems
von: Niresi, Keivan Faghih, et al.
Veröffentlicht: (2025)

Noise is All You Need: Solving Linear Inverse Problems by Noise Combination Sampling with Diffusion Models
von: Su, Xun, et al.
Veröffentlicht: (2025)

Fast Samplers for Inverse Problems in Iterative Refinement Models
von: Pandey, Kushagra, et al.
Veröffentlicht: (2024)

SA-Solver: Stochastic Adams Solver for Fast Sampling of Diffusion Models
von: Xue, Shuchen, et al.
Veröffentlicht: (2023)

FlowLPS: Langevin-Proximal Sampling for Flow-based Inverse Problem Solvers
von: Park, Jonghyun, et al.
Veröffentlicht: (2025)

A Robust Foundation Model for Conservation Laws: Injecting Context into Flux Neural Operators via Recurrent Vision Transformers
von: Kim, Taeyoung, et al.
Veröffentlicht: (2026)

Unifying and extending Diffusion Models through PDEs for solving Inverse Problems
von: Dasgupta, Agnimitra, et al.
Veröffentlicht: (2025)

Outlier-Robust Diffusion Solvers for Inverse Problems
von: Zheng, Yang, et al.
Veröffentlicht: (2026)

Fast Physics-Driven Untrained Network for Highly Nonlinear Inverse Scattering Problems
von: Du, Yutong, et al.
Veröffentlicht: (2026)

Benchmarking Zero-Shot Robustness of Multimodal Foundation Models: A Pilot Study
von: Wang, Chenguang, et al.
Veröffentlicht: (2024)