Buchumschlag

Low-Dimensional Adaptation of Rectified Flow: A Diffusion and Stochastic Localization Perspective

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Roy, Saptarshi, Rinaldo, Alessandro, Sarkar, Purnamrita
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Machine Learning Artificial Intelligence Statistics Theory
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

On the Convergence and Straightness of Rectified Flow
von: Bansal, Vansh, et al.
Veröffentlicht: (2024)

Generalization Properties of Score-matching Diffusion Models for Intrinsically Low-dimensional Data
von: Chakraborty, Saptarshi, et al.
Veröffentlicht: (2026)

A Statistical Analysis of Deep Federated Learning for Intrinsically Low-dimensional Data
von: Chakraborty, Saptarshi, et al.
Veröffentlicht: (2024)

On the Statistical Properties of Generative Adversarial Models for Low Intrinsic Data Dimension
von: Chakraborty, Saptarshi, et al.
Veröffentlicht: (2024)

Dimension-free Score Matching and Time Bootstrapping for Diffusion Models
von: Kumar, Syamantak, et al.
Veröffentlicht: (2025)

Oja's Algorithm for Streaming Sparse PCA
von: Kumar, Syamantak, et al.
Veröffentlicht: (2024)

Adapting to Unknown Low-Dimensional Structures in Score-Based Diffusion Models
von: Li, Gen, et al.
Veröffentlicht: (2024)

Time-uniform concentration bounds for iterative algorithms
von: Pham, Tuan, et al.
Veröffentlicht: (2025)

A Diffusion Analysis of Policy Gradient for Stochastic Bandits
von: Lattimore, Tor
Veröffentlicht: (2026)

Beyond Sin-Squared Error: Linear-Time Entrywise Uncertainty Quantification for Streaming PCA
von: Kumar, Syamantak, et al.
Veröffentlicht: (2025)

Cyclic Counterfactuals under Shift-Scale Interventions
von: Saha, Saptarshi, et al.
Veröffentlicht: (2025)

FLIPHAT: Joint Differential Privacy for High Dimensional Sparse Linear Bandits
von: Chakraborty, Sunrit, et al.
Veröffentlicht: (2024)

Deep Ensembles for Epistemic Uncertainty: A Frequentist Perspective
von: Jain, Anchit, et al.
Veröffentlicht: (2025)

Stein-Rule Shrinkage for Stochastic Gradient Estimation in High Dimensions
von: Arashi, M., et al.
Veröffentlicht: (2026)

Enjoying Non-linearity in Multinomial Logistic Bandits: A Minimax-Optimal Algorithm
von: Boudart, Pierre, et al.
Veröffentlicht: (2025)

Total Variation Rates for Riemannian Flow Matching
von: Guan, Yunrui, et al.
Veröffentlicht: (2026)

Minimax Optimal Variance-Aware Regret Bounds for Multinomial Logistic MDPs
von: Boudart, Pierre, et al.
Veröffentlicht: (2026)

Diffusion Posterior Sampling is Computationally Intractable
von: Gupta, Shivam, et al.
Veröffentlicht: (2024)

Neural Networks Generalize on Low Complexity Data
von: Chatterjee, Sourav, et al.
Veröffentlicht: (2024)

On Differentially Private U Statistics
von: Chaudhuri, Kamalika, et al.
Veröffentlicht: (2024)

Navigating the Exploration-Exploitation Tradeoff in Inference-Time Scaling of Diffusion Models
von: Su, Xun, et al.
Veröffentlicht: (2025)

Diffusion Models and the Manifold Hypothesis: Log-Domain Smoothing is Geometry Adaptive
von: Farghly, Tyler, et al.
Veröffentlicht: (2025)

MESSY Estimation: Maximum-Entropy based Stochastic and Symbolic densitY Estimation
von: Tohme, Tony, et al.
Veröffentlicht: (2023)

O(d/T) Convergence Theory for Diffusion Probabilistic Models under Minimal Assumptions
von: Li, Gen, et al.
Veröffentlicht: (2024)

U-Nets as Belief Propagation: Efficient Classification, Denoising, and Diffusion in Generative Hierarchical Models
von: Mei, Song
Veröffentlicht: (2024)

Revisiting Incremental Stochastic Majorization-Minimization Algorithms with Applications to Mixture of Experts
von: Tran, TrungKhang, et al.
Veröffentlicht: (2026)

Generalization Bounds: Perspectives from Information Theory and PAC-Bayes
von: Hellström, Fredrik, et al.
Veröffentlicht: (2023)

Statistical Properties of Rectified Flow
von: Mena, Gonzalo, et al.
Veröffentlicht: (2025)

A Score-Based Density Formula, with Applications in Diffusion Generative Models
von: Li, Gen, et al.
Veröffentlicht: (2024)

Statistical Inference for Optimal Transport Maps: Recent Advances and Perspectives
von: Balakrishnan, Sivaraman, et al.
Veröffentlicht: (2025)

Understanding Best Subset Selection: A Tale of Two C(omplex)ities
von: Roy, Saptarshi, et al.
Veröffentlicht: (2023)

A Statistical Analysis of Wasserstein Autoencoders for Intrinsically Low-dimensional Data
von: Chakraborty, Saptarshi, et al.
Veröffentlicht: (2024)

Optimal Unconstrained Self-Distillation in Ridge Regression: Strict Improvements, Precise Asymptotics, and One-Shot Tuning
von: Dang, Hien, et al.
Veröffentlicht: (2026)

A Statistical Analysis for Supervised Deep Learning with Exponential Families for Intrinsically Low-dimensional Data
von: Chakraborty, Saptarshi, et al.
Veröffentlicht: (2024)

Adversarial Subspace Generation for Outlier Detection in High-Dimensional Data
von: Cribeiro-Ramallo, Jose, et al.
Veröffentlicht: (2025)

Order-Optimal Sample Complexity of Rectified Flows
von: Sahoo, Hari Krishna, et al.
Veröffentlicht: (2026)

On the Separability of Information in Diffusion Models
von: Premkumar, Akhil
Veröffentlicht: (2025)

Decoupled Continuous-Time Reinforcement Learning via Hamiltonian Flow
von: Nguyen, Minh
Veröffentlicht: (2026)

Statistical inference with belief functions: A survey
von: Cuzzolin, Fabio
Veröffentlicht: (2026)

A Quantitative Characterization of Forgetting in Post-Training
von: Balasubramanian, Krishnakumar, et al.
Veröffentlicht: (2026)