Buchumschlag

One-Shot Generative Flows: Existence and Obstructions

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Tsimpos, Panos, Sharp, Daniel, Marzouk, Youssef
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Machine Learning Probability
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

An Eulerian Perspective on Straight-Line Sampling
von: Tsimpos, Panos, et al.
Veröffentlicht: (2025)

Optimal Scheduling of Dynamic Transport
von: Tsimpos, Panos, et al.
Veröffentlicht: (2025)

Infinite-Dimensional Diffusion Models
von: Pidstrigach, Jakiw, et al.
Veröffentlicht: (2023)

Weighted quantization using MMD: From mean field to mean shift via gradient flows
von: Belhadji, Ayoub, et al.
Veröffentlicht: (2025)

Sharp detection of low-dimensional structure in probability measures via dimensional logarithmic Sobolev inequalities
von: Li, Matthew T. C., et al.
Veröffentlicht: (2024)

To discretize continually: Mean shift interacting particle systems for Bayesian inference
von: Belhadji, Ayoub, et al.
Veröffentlicht: (2026)

Preserving linear invariants in ensemble filtering methods
von: Provost, Mathieu Le, et al.
Veröffentlicht: (2024)

Transport map unadjusted Langevin algorithms: learning and discretizing perturbed samplers
von: Zhang, Benjamin J., et al.
Veröffentlicht: (2023)

Stabilizing Temporal Difference Learning via Implicit Stochastic Recursion
von: Kim, Hwanwoo, et al.
Veröffentlicht: (2025)

Precise asymptotic analysis of Sobolev training for random feature models
von: Fisher, Katharine E, et al.
Veröffentlicht: (2025)

A low-rank ensemble Kalman filter for elliptic observations
von: Provost, Mathieu Le, et al.
Veröffentlicht: (2022)

Sampling in Unit Time with Kernel Fisher-Rao Flow
von: Maurais, Aimee, et al.
Veröffentlicht: (2024)

Generative Sliced MMD Flows with Riesz Kernels
von: Hertrich, Johannes, et al.
Veröffentlicht: (2023)

Existence of Adversarial Examples for Random Convolutional Networks via Isoperimetric Inequalities on $\mathbb{so}(d)$
von: Daniely, Amit
Veröffentlicht: (2025)

Convergence Analysis for General Probability Flow ODEs of Diffusion Models in Wasserstein Distances
von: Gao, Xuefeng, et al.
Veröffentlicht: (2024)

One Operator for Many Densities: Amortized Approximation of Conditioning by Neural Operators
von: Tsimpos, Panos, et al.
Veröffentlicht: (2026)

Random Normed k-Means: A Paradigm-Shift in Clustering within Probabilistic Metric Spaces
von: Hemdanou, Abderrafik Laakel, et al.
Veröffentlicht: (2025)

Tail-Sensitive KL and Rényi Convergence of Unadjusted Hamiltonian Monte Carlo via One-Shot Couplings
von: Bou-Rabee, Nawaf, et al.
Veröffentlicht: (2026)

Normalizing Flows for Conformal Regression
von: Colombo, Nicolo
Veröffentlicht: (2024)

Performance of Rank-One Tensor Approximation on Incomplete Data
von: Lebeau, Hugo
Veröffentlicht: (2025)

On The Hidden Biases of Flow Matching Samplers
von: Lim, Soon Hoe
Veröffentlicht: (2025)

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

On the Relation between Rectified Flows and Optimal Transport
von: Hertrich, Johannes, et al.
Veröffentlicht: (2025)

Scale-Adaptive Generative Flows for Multiscale Scientific Data
von: Chen, Yifan, et al.
Veröffentlicht: (2025)

Normalizing Flows on Quotient Manifolds via Boundary Quotients
von: Ghanem, William, et al.
Veröffentlicht: (2025)

Expected Batch Optimal Transport Plans and Consequences for Flow Matching
von: Boïté, Samuel, et al.
Veröffentlicht: (2026)

Flow Matching: Markov Kernels, Stochastic Processes and Transport Plans
von: Wald, Christian, et al.
Veröffentlicht: (2025)

Generalized Wasserstein Flow Matching: Transport Plans, Everywhere, All at Once
von: Piening, Moritz, et al.
Veröffentlicht: (2026)

Variational Smoothing and Inference for SDEs from Sparse Data with Dynamic Neural Flows
von: Wang, Yu, et al.
Veröffentlicht: (2026)

Liouville Flow Importance Sampler
von: Tian, Yifeng, et al.
Veröffentlicht: (2024)

Data Curation for Machine Learning Interatomic Potentials by Determinantal Point Processes
von: Zou, Joanna, et al.
Veröffentlicht: (2026)

Diffusion map particle systems for generative modeling
von: Li, Fengyi, et al.
Veröffentlicht: (2023)

A Mean Field Ansatz for Zero-Shot Weight Transfer
von: Chen, Xingyuan, et al.
Veröffentlicht: (2024)

Wasserstein Convergence Guarantees for a General Class of Score-Based Generative Models
von: Gao, Xuefeng, et al.
Veröffentlicht: (2023)

Can Bayesian Neural Networks Make Confident Predictions?
von: Fisher, Katharine, et al.
Veröffentlicht: (2025)

Random-Bridges as Stochastic Transports for Generative Models
von: Goria, Stefano, et al.
Veröffentlicht: (2025)

A hierarchical entropy method for the delocalization of bias in high-dimensional Langevin Monte Carlo
von: Lacker, Daniel, et al.
Veröffentlicht: (2025)

Triangular-Reference Schrödinger Bridges for Time Series Generation
von: Bocchi, Gabriele
Veröffentlicht: (2026)

Generative diffusion models from a PDE perspective
von: Cao, Fei, et al.
Veröffentlicht: (2025)

Learning Discriminators for Resampling in the Ensemble Gaussian Mixture Filter through a Normalizing Flow Approach
von: Jabbar, Zain, et al.
Veröffentlicht: (2026)