Buchumschlag

Disentangled Representation Learning via Flow Matching

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Chi, Jinjin, Liu, Taoping, Yin, Mengtao, Li, Ximing, Jing, Yongcheng, Shen, Jialie, Rutkowski, Leszek, Tao, Dacheng
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Factorize to Generalize: Retrieval-Guided Invariant-Dynamic Decomposition for Time Series Forecasting
von: Chi, Jinjin, et al.
Veröffentlicht: (2026)

Distillation Traps and Guards: A Calibration Knob for LLM Distillability
von: Zhan, Weixiao, et al.
Veröffentlicht: (2026)

Rethinking the Role of Dynamic Sparse Training for Scalable Deep Reinforcement Learning
von: Ma, Guozheng, et al.
Veröffentlicht: (2025)

CoVeR: Conformal Calibration for Versatile and Reliable Autoregressive Next-Token Prediction
von: Chen, Yuzhu, et al.
Veröffentlicht: (2025)

HRP: High-Rank Preheating for Superior LoRA Initialization
von: Chen, Yuzhu, et al.
Veröffentlicht: (2025)

Spectral Disentanglement and Enhancement: A Dual-domain Contrastive Framework for Representation Learning
von: Guo, Jinjin, et al.
Veröffentlicht: (2026)

Rethinking the Personalized Relaxed Initialization in the Federated Learning: Consistency and Generalization
von: Shen, Li, et al.
Veröffentlicht: (2026)

A-FedPD: Aligning Dual-Drift is All Federated Primal-Dual Learning Needs
von: Sun, Yan, et al.
Veröffentlicht: (2024)

STRIDE: Learnable Stepwise Language Feedback for LLM Reasoning
von: Zhang, Junjie, et al.
Veröffentlicht: (2026)

Towards Understanding Generalization and Stability Gaps between Centralized and Decentralized Federated Learning
von: Sun, Yan, et al.
Veröffentlicht: (2023)

Alternating Gradient Flow Utility: A Unified Metric for Structural Pruning and Dynamic Routing in Deep Networks
von: Qian, Tianhao, et al.
Veröffentlicht: (2026)

Learning Multi-Agent Communication from Graph Modeling Perspective
von: Hu, Shengchao, et al.
Veröffentlicht: (2024)

Controllable Flow Matching for Online Reinforcement Learning
von: Wang, Bin, et al.
Veröffentlicht: (2025)

Disentangled Graph Representation Based on Substructure-Aware Graph Optimal Matching Kernel Convolutional Networks
von: Wang, Mao, et al.
Veröffentlicht: (2025)

Erasing Without Remembering: Implicit Knowledge Forgetting in Large Language Models
von: Wang, Huazheng, et al.
Veröffentlicht: (2025)

Semi-Supervised Learning with Balanced Deep Representation Distributions
von: Li, Changchun, et al.
Veröffentlicht: (2026)

Disentangled Generative Graph Representation Learning
von: Hu, Xinyue, et al.
Veröffentlicht: (2024)

Harmful Visual Content Manipulation Matters in Misinformation Detection Under Multimedia Scenarios
von: Wang, Bing, et al.
Veröffentlicht: (2026)

Variational Learning of Disentangled Representations
von: Slavutsky, Yuli, et al.
Veröffentlicht: (2025)

Continual Learning From a Stream of APIs
von: Yang, Enneng, et al.
Veröffentlicht: (2023)

Convergent Differential Privacy Analysis for General Federated Learning
von: Sun, Yan, et al.
Veröffentlicht: (2024)

Disentangled Representation Learning for Causal Inference with Instruments
von: Cheng, Debo, et al.
Veröffentlicht: (2024)

SPA-Cache: Singular Proxies for Adaptive Caching in Diffusion Language Models
von: Sun, Wenhao, et al.
Veröffentlicht: (2026)

Communication Learning in Multi-Agent Systems from Graph Modeling Perspective
von: Hu, Shengchao, et al.
Veröffentlicht: (2024)

Fair Graph Representation Learning via Sensitive Attribute Disentanglement
von: Zhu, Yuchang, et al.
Veröffentlicht: (2024)

Collaborative Cognitive Diagnosis with Disentangled Representation Learning for Learner Modeling
von: Gao, Weibo, et al.
Veröffentlicht: (2024)

Disentangled Representation Learning
von: Wang, Xin, et al.
Veröffentlicht: (2022)

Causal Flow-based Variational Auto-Encoder for Disentangled Causal Representation Learning
von: Fan, Di, et al.
Veröffentlicht: (2023)

Disentangled Representation Learning for Parametric Partial Differential Equations
von: Liu, Ning, et al.
Veröffentlicht: (2024)

Free Energy Surface Sampling via Reduced Flow Matching
von: Liu, Zichen, et al.
Veröffentlicht: (2026)

Representation and De-interleaving of Mixtures of Hidden Markov Processes
von: Bao, Jiadi, et al.
Veröffentlicht: (2024)

Federated Representation Learning in the Under-Parameterized Regime
von: Liu, Renpu, et al.
Veröffentlicht: (2024)

DRGW: Learning Disentangled Representations for Robust Graph Watermarking
von: Li, Jiasen, et al.
Veröffentlicht: (2026)

Mechanistic Independence: A Principle for Identifiable Disentangled Representations
von: Matthes, Stefan, et al.
Veröffentlicht: (2025)

Learning Cross-Atlas Consistent Brain Disorder Representations via Disentangled Multi-Atlas Functional Connectivity Learning
von: Chen, Minheng, et al.
Veröffentlicht: (2026)

Learning Causally Disentangled Representations via the Principle of Independent Causal Mechanisms
von: Komanduri, Aneesh, et al.
Veröffentlicht: (2023)

CosmoFlow: Scale-Aware Representation Learning for Cosmology with Flow Matching
von: Kannan, Sidharth, et al.
Veröffentlicht: (2025)

Driving Reaction Trajectories via Latent Flow Matching
von: Shen, Yili, et al.
Veröffentlicht: (2026)

FlexCausal: Flexible Causal Disentanglement via Structural Flow Priors and Manifold-Aware Interventions
von: Jin, Yutao, et al.
Veröffentlicht: (2026)

Merging Multi-Task Models via Weight-Ensembling Mixture of Experts
von: Tang, Anke, et al.
Veröffentlicht: (2024)