Buchumschlag

Foundations of Diffusion Models in General State Spaces: A Self-Contained Introduction

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Pauline, Vincent, Höppe, Tobias, Neklyudov, Kirill, Tong, Alexander, Bauer, Stefan, Dittadi, Andrea
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

The Superposition of Diffusion Models Using the Itô Density Estimator
von: Skreta, Marta, et al.
Veröffentlicht: (2024)

Minimum-Excess-Work Guidance
von: Kolloff, Christopher, et al.
Veröffentlicht: (2025)

Breaking the Likelihood-Quality Trade-off in Diffusion Models by Merging Pretrained Experts
von: Esfandiari, Yasin, et al.
Veröffentlicht: (2025)

Exploring the Effectiveness of Object-Centric Representations in Visual Question Answering: Comparative Insights with Foundation Models
von: Mamaghan, Amir Mohammad Karimi, et al.
Veröffentlicht: (2024)

A Call to Lagrangian Action: Learning Population Mechanics from Temporal Snapshots
von: Guan, Vincent, et al.
Veröffentlicht: (2026)

Self-Refining Training for Amortized Density Functional Theory
von: Hassan, Majdi, et al.
Veröffentlicht: (2025)

A Computational Framework for Solving Wasserstein Lagrangian Flows
von: Neklyudov, Kirill, et al.
Veröffentlicht: (2023)

Does Data Scaling Lead to Visual Compositional Generalization?
von: Uselis, Arnas, et al.
Veröffentlicht: (2025)

Feynman-Kac Correctors in Diffusion: Annealing, Guidance, and Product of Experts
von: Skreta, Marta, et al.
Veröffentlicht: (2025)

Compositional Generalization Requires Linear, Orthogonal Representations in Vision Embedding Models
von: Uselis, Arnas, et al.
Veröffentlicht: (2026)

Wavefunction Flows: Efficient Quantum Simulation of Continuous Flow Models
von: Layden, David, et al.
Veröffentlicht: (2025)

From Words to Amino Acids: Does the Curse of Depth Persist?
von: Siji, Aleena, et al.
Veröffentlicht: (2026)

Riemannian MeanFlow
von: Woo, Dongyeop, et al.
Veröffentlicht: (2026)

Multi-Modal and Multi-Attribute Generation of Single Cells with CFGen
von: Palma, Alessandro, et al.
Veröffentlicht: (2024)

Progressive Inference-Time Annealing of Diffusion Models for Sampling from Boltzmann Densities
von: Akhound-Sadegh, Tara, et al.
Veröffentlicht: (2025)

Are Object-Centric Representations Better At Compositional Generalization?
von: Kapl, Ferdinand, et al.
Veröffentlicht: (2026)

Meta Flow Matching: Integrating Vector Fields on the Wasserstein Manifold
von: Atanackovic, Lazar, et al.
Veröffentlicht: (2024)

DiffEnc: Variational Diffusion with a Learned Encoder
von: Nielsen, Beatrix M. G., et al.
Veröffentlicht: (2023)

Sparse Shift Autoencoders for Identifying Concepts from Large Language Model Activations
von: Joshi, Shruti, et al.
Veröffentlicht: (2025)

Amortized Sampling with Transferable Normalizing Flows
von: Tan, Charlie B., et al.
Veröffentlicht: (2025)

Diffusion Models as Constrained Samplers for Optimization with Unknown Constraints
von: Kong, Lingkai, et al.
Veröffentlicht: (2024)

Do Depth-Grown Models Overcome the Curse of Depth? An In-Depth Analysis
von: Kapl, Ferdinand, et al.
Veröffentlicht: (2025)

Structured Inverse-Free Natural Gradient: Memory-Efficient & Numerically-Stable KFAC
von: Lin, Wu, et al.
Veröffentlicht: (2023)

When Does Closeness in Distribution Imply Representational Similarity? An Identifiability Perspective
von: Nielsen, Beatrix M. G., et al.
Veröffentlicht: (2025)

Discrete Feynman-Kac Correctors
von: Hasan, Mohsin, et al.
Veröffentlicht: (2026)

Theoretical Foundations of Deep Selective State-Space Models
von: Cirone, Nicola Muca, et al.
Veröffentlicht: (2024)

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

FunDiff: Diffusion Models over Function Spaces for Physics-Informed Generative Modeling
von: Wang, Sifan, et al.
Veröffentlicht: (2025)

Flow-Based Density Ratio Estimation for Intractable Distributions with Applications in Genomics
von: Antipov, Egor, et al.
Veröffentlicht: (2026)

Diffusion Models: A Mathematical Introduction
von: Maleki, Sepehr, et al.
Veröffentlicht: (2025)

Stabilizing Self-Consuming Diffusion Models with Latent Space Filtering
von: Cai, Zhongteng, et al.
Veröffentlicht: (2025)

Quantum HyperNetworks: Training Binary Neural Networks in Quantum Superposition
von: Carrasquilla, Juan, et al.
Veröffentlicht: (2023)

Unlocking Guidance for Discrete State-Space Diffusion and Flow Models
von: Nisonoff, Hunter, et al.
Veröffentlicht: (2024)

State Space Models as Foundation Models: A Control Theoretic Overview
von: Alonso, Carmen Amo, et al.
Veröffentlicht: (2024)

Logit Distance Bounds Representational Similarity
von: Nielsen, Beatrix M. G., et al.
Veröffentlicht: (2026)

Adversarial Water-Filling: Theory, Algorithms and Foundation Model
von: Tong, Xindi, et al.
Veröffentlicht: (2026)

When to Commit? Towards Variable-Size Self-Contained Blocks for Discrete Diffusion Language Models
von: Wang, Danny, et al.
Veröffentlicht: (2026)

Graph State-Space Models and Latent Relational Inference
von: Zambon, Daniele, et al.
Veröffentlicht: (2023)

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

Demystifying the Token Dynamics of Deep Selective State Space Models
von: Vo, Thieu N, et al.
Veröffentlicht: (2024)