:: Library Catalog

Buchumschlag

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Gupta, Srishti, Taiwade, Yashasvee
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning
Online-Zugang:	https://arxiv.org/abs/2511.19379
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Formal Algorithms for Model Efficiency
von: Tyagi, Naman, et al.
Veröffentlicht: (2025)

Low-Bit, High-Fidelity: Optimal Transport Quantization for Flow Matching
von: Varam, Dara, et al.
Veröffentlicht: (2025)

Probabilistic Forecasting via Autoregressive Flow Matching
von: ElGazzar, Ahmed, et al.
Veröffentlicht: (2025)

An Introduction to Flow Matching and Diffusion Models
von: Holderrieth, Peter, et al.
Veröffentlicht: (2025)

Improving Probabilistic Diffusion Models With Optimal Diagonal Covariance Matching
von: Ou, Zijing, et al.
Veröffentlicht: (2024)

Multi-Fidelity Flow Matching: Cascaded Refinement of PDE Solutions
von: Chen, Sipeng, et al.
Veröffentlicht: (2026)

Low-Pass Flow Matching
von: Ruscio, Francesco M., et al.
Veröffentlicht: (2026)

Balancing Symmetry and Efficiency in Graph Flow Matching
von: Honoré, Benjamin, et al.
Veröffentlicht: (2026)

TranSQL+: Serving Large Language Models with SQL on Low-Resource Hardware
von: Sun, Wenbo, et al.
Veröffentlicht: (2025)

Auto-Regressive vs Flow-Matching: a Comparative Study of Modeling Paradigms for Text-to-Music Generation
von: Tal, Or, et al.
Veröffentlicht: (2025)

Probabilistic Forecasting of Localized Wildfire Spread Based on Conditional Flow Matching
von: Shaddy, Bryan, et al.
Veröffentlicht: (2026)

On Hardware-efficient Inference in Probabilistic Circuits
von: Yao, Lingyun, et al.
Veröffentlicht: (2024)

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

Alignment of Diffusion Model and Flow Matching for Text-to-Image Generation
von: Ouyang, Yidong, et al.
Veröffentlicht: (2026)

Probabilistic Prediction of Neural Dynamics via Autoregressive Flow Matching
von: Rogalla, Nicole, et al.
Veröffentlicht: (2026)

Diffusion and Flow Matching Models for Tabular Data: A Survey
von: Li, Zhong, et al.
Veröffentlicht: (2025)

Double Descent as a Lens for Sample Efficiency in Autoregressive vs. Discrete Diffusion Models
von: Fraij, Ahmad, et al.
Veröffentlicht: (2025)

A Unified Framework for Diffusion Bridge Problems: Flow Matching and Schrödinger Matching into One
von: Kim, Minyoung
Veröffentlicht: (2025)

Flow Matching with Gaussian Process Priors for Probabilistic Time Series Forecasting
von: Kollovieh, Marcel, et al.
Veröffentlicht: (2024)

Comparative Analysis of FOLD-SE vs. FOLD-R++ in Binary Classification and XGBoost in Multi-Category Classification
von: Murthy, Akshay, et al.
Veröffentlicht: (2025)

Contractive Diffusion Probabilistic Models
von: Tang, Wenpin, et al.
Veröffentlicht: (2024)

Theoretical guarantees in KL for Diffusion Flow Matching
von: Silveri, Marta Gentiloni, et al.
Veröffentlicht: (2024)

Sharpen Your Flow: Sharpness-Aware Sampling for Flow Matching
von: Gupta, Aditi, et al.
Veröffentlicht: (2026)

Exploring Diffusion and Flow Matching Under Generator Matching
von: Patel, Zeeshan, et al.
Veröffentlicht: (2024)

Physical Fidelity Reconstruction via Improved Consistency-Distilled Flow Matching for Dynamical Systems
von: Ma, Sicheng, et al.
Veröffentlicht: (2026)

TRACE: Transport Alignment Conformal Prediction via Diffusion and Flow Matching Models
von: Fang, Zhenhan, et al.
Veröffentlicht: (2026)

A Theoretical Analysis of Discrete Flow Matching Generative Models
von: Su, Maojiang, et al.
Veröffentlicht: (2025)

Diff2Flow: Training Flow Matching Models via Diffusion Model Alignment
von: Schusterbauer, Johannes, et al.
Veröffentlicht: (2025)

DeepWeightFlow: Re-Basined Flow Matching for Generating Neural Network Weights
von: Gupta, Saumya, et al.
Veröffentlicht: (2026)

Improving Channel Estimation via Multimodal Diffusion Models with Flow Matching
von: Fan, Xiaotian, et al.
Veröffentlicht: (2026)

Reinforce Adjoint Matching: Scaling RL Post-Training of Diffusion and Flow-Matching Models
von: Bergmeister, Andreas, et al.
Veröffentlicht: (2026)

Forward-only Diffusion Probabilistic Models
von: Luo, Ziwei, et al.
Veröffentlicht: (2025)

Riemannian Denoising Diffusion Probabilistic Models
von: Liu, Zichen, et al.
Veröffentlicht: (2025)

Generative AI-enhanced Probabilistic Multi-Fidelity Surrogate Modeling Via Transfer Learning
von: Zeng, Jice, et al.
Veröffentlicht: (2026)

A Flow Matching Algorithm for Many-Shot Adaptation to Unseen Distributions
von: Ingebrand, Tyler, et al.
Veröffentlicht: (2026)

Evolving Diffusion and Flow Matching Policies for Online Reinforcement Learning
von: Zhang, Chubin, et al.
Veröffentlicht: (2025)

Structural and Convergence Analysis of Discrete-Time Denoising Diffusion Probabilistic Models
von: Nakano, Yumiharu
Veröffentlicht: (2024)

FlowDA: Accurate, Low-Latency Weather Data Assimilation via Flow Matching
von: Cheng, Ran, et al.
Veröffentlicht: (2026)

Language Rectified Flow: Advancing Diffusion Language Generation with Probabilistic Flows
von: Zhang, Shujian, et al.
Veröffentlicht: (2024)

A Probabilistic Formulation of Offset Noise in Diffusion Models
von: Kutsuna, Takuro
Veröffentlicht: (2024)