Buchumschlag

Towards High-Order Mean Flow Generative Models: Feasibility, Expressivity, and Provably Efficient Criteria

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Cao, Yang, Chen, Yubin, Song, Zhao, Zhang, Jiahao
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning Artificial Intelligence Computer Vision and Pattern Recognition
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

On Computational Limits of FlowAR Models: Expressivity and Efficiency
von: Cao, Yang, et al.
Veröffentlicht: (2025)

On Computational Limits and Provably Efficient Criteria of Visual Autoregressive Models: A Fine-Grained Complexity Analysis
von: Ke, Yekun, et al.
Veröffentlicht: (2025)

Theoretical Guarantees for High Order Trajectory Refinement in Generative Flows
von: Gong, Chengyue, et al.
Veröffentlicht: (2025)

HOFAR: High-Order Augmentation of Flow Autoregressive Transformers
von: Liang, Yingyu, et al.
Veröffentlicht: (2025)

Video Latent Flow Matching: Optimal Polynomial Projections for Video Interpolation and Extrapolation
von: Cao, Yang, et al.
Veröffentlicht: (2025)

CMT: Mid-Training for Efficient Learning of Consistency, Mean Flow, and Flow Map Models
von: Hu, Zheyuan, et al.
Veröffentlicht: (2025)

High-Order Matching for One-Step Shortcut Diffusion Models
von: Chen, Bo, et al.
Veröffentlicht: (2025)

Force Matching with Relativistic Constraints: A Physics-Inspired Approach to Stable and Efficient Generative Modeling
von: Cao, Yang, et al.
Veröffentlicht: (2025)

Trajectory Consistency for One-Step Generation on Euler Mean Flows
von: Li, Zhiqi, et al.
Veröffentlicht: (2026)

Controllable Video Generation with Provable Disentanglement
von: Shen, Yifan, et al.
Veröffentlicht: (2025)

Generative Modelling with High-Order Langevin Dynamics
von: Shi, Ziqiang, et al.
Veröffentlicht: (2024)

Composing Parts for Expressive Object Generation
von: Rangwani, Harsh, et al.
Veröffentlicht: (2024)

Fast & Efficient Normalizing Flows and Applications of Image Generative Models
von: Nagar, Sandeep
Veröffentlicht: (2025)

MeanCache: From Instantaneous to Average Velocity for Accelerating Flow Matching Inference
von: Gao, Huanlin, et al.
Veröffentlicht: (2026)

MeanFlow Transformers with Representation Autoencoders
von: Hu, Zheyuan, et al.
Veröffentlicht: (2025)

Towards Effective Usage of Human-Centric Priors in Diffusion Models for Text-based Human Image Generation
von: Wang, Junyan, et al.
Veröffentlicht: (2024)

Understanding, Accelerating, and Improving MeanFlow Training
von: Kim, Jin-Young, et al.
Veröffentlicht: (2025)

HOIN: High-Order Implicit Neural Representations
von: Chen, Yang, et al.
Veröffentlicht: (2024)

T2VTextBench: A Human Evaluation Benchmark for Textual Control in Video Generation Models
von: Guo, Xuyang, et al.
Veröffentlicht: (2025)

EfficientTrain++: Generalized Curriculum Learning for Efficient Visual Backbone Training
von: Wang, Yulin, et al.
Veröffentlicht: (2024)

Model Steering: Learning with a Reference Model Improves Generalization Bounds and Scaling Laws
von: Wei, Xiyuan, et al.
Veröffentlicht: (2025)

Score Distillation of Flow Matching Models
von: Zhou, Mingyuan, et al.
Veröffentlicht: (2025)

HART: Efficient Visual Generation with Hybrid Autoregressive Transformer
von: Tang, Haotian, et al.
Veröffentlicht: (2024)

FedDistill: Global Model Distillation for Local Model De-Biasing in Non-IID Federated Learning
von: Song, Changlin, et al.
Veröffentlicht: (2024)

A Survey on Cache Methods in Diffusion Models: Toward Efficient Multi-Modal Generation
von: Liu, Jiacheng, et al.
Veröffentlicht: (2025)

Open-Set Domain Adaptation Under Background Distribution Shift: Challenges and A Provably Efficient Solution
von: Chaudhari, Shravan, et al.
Veröffentlicht: (2025)

Transferable Model-agnostic Vision-Language Model Adaptation for Efficient Weak-to-Strong Generalization
von: Park, Jihwan, et al.
Veröffentlicht: (2025)

Text-to-Image Diffusion Models Cannot Count, and Prompt Refinement Cannot Help
von: Guo, Xuyang, et al.
Veröffentlicht: (2025)

Provably Robust Conformal Prediction with Improved Efficiency
von: Yan, Ge, et al.
Veröffentlicht: (2024)

Improving Consistency Models with Generator-Augmented Flows
von: Issenhuth, Thibaut, et al.
Veröffentlicht: (2024)

Can You Count to Nine? A Human Evaluation Benchmark for Counting Limits in Modern Text-to-Video Models
von: Guo, Xuyang, et al.
Veröffentlicht: (2025)

PEAR: Pixel-aligned Expressive humAn mesh Recovery
von: Wu, Jiahao, et al.
Veröffentlicht: (2026)

Integration Flow Models
von: Wang, Jingjing, et al.
Veröffentlicht: (2025)

Filtered Posterior Mean Collections: A Unified Framework for Analytical Models of Diffusion Generalization
von: Niedoba, Matthew, et al.
Veröffentlicht: (2026)

Towards Size-invariant Salient Object Detection: A Generic Evaluation and Optimization Approach
von: Bao, Shilong, et al.
Veröffentlicht: (2025)

Your VAR Model is Secretly an Efficient and Explainable Generative Classifier
von: Chen, Yi-Chung, et al.
Veröffentlicht: (2025)

Provably Better Explanations with Optimized Aggregation of Feature Attributions
von: Decker, Thomas, et al.
Veröffentlicht: (2024)

Provable Contrastive Continual Learning
von: Wen, Yichen, et al.
Veröffentlicht: (2024)

Simple Token-Efficient Vision-Language Model for Case-level Pathology Synoptic Report Generation
von: Yang, Zhiyuan, et al.
Veröffentlicht: (2026)

Flow-OPD: On-Policy Distillation for Flow Matching Models
von: Fang, Zhen, et al.
Veröffentlicht: (2026)