Copertina

Geometry-Aware Discretization Error of Diffusion Models

Fuente: arXiv

Salvato in:

Dettagli Bibliografici
Autori principali:	Hurault, Samuel, Moreau, Thomas, Peyré, Gabriel
Natura:	Preprint
Pubblicazione:	2026
Soggetti:	Machine Learning
Accesso online:	Acceder al recurso
Tags:	Aggiungi Tag Nessun Tag, puoi essere il primo ad aggiungerne!!

Documenti analoghi

From Score Matching to Diffusion: A Fine-Grained Error Analysis in the Gaussian Setting
di: Hurault, Samuel, et al.
Pubblicazione: (2025)

Tessellations of Semi-Discrete Flow Matching
di: Pierret, Emile, et al.
Pubblicazione: (2026)

Optimal and Diffusion Transports in Machine Learning
di: Peyré, Gabriel
Pubblicazione: (2025)

Robust Sublinear Convergence Rates for Iterative Bregman Projections
di: Peyré, Gabriel
Pubblicazione: (2026)

Probing the Geometry of Diffusion Models with the String Method
di: Moreau, Elio, et al.
Pubblicazione: (2026)

Muon Dynamics as a Spectral Wasserstein Flow
di: Peyré, Gabriel
Pubblicazione: (2026)

Optimal Transport for Machine Learners
di: Peyré, Gabriel
Pubblicazione: (2025)

Towards Understanding the Universality of Transformers for Next-Token Prediction
di: Sander, Michael E., et al.
Pubblicazione: (2024)

How Smooth Is Attention?
di: Castin, Valérie, et al.
Pubblicazione: (2023)

Intrinsic training dynamics of deep neural networks
di: Marcotte, Sibylle, et al.
Pubblicazione: (2025)

Transformative or Conservative? Conservation laws for ResNets and Transformers
di: Marcotte, Sibylle, et al.
Pubblicazione: (2025)

On the global convergence of gradient descent for wide shallow models with bounded nonlinearities
di: Petit, Romain, et al.
Pubblicazione: (2026)

Learning from Samples: Inverse Problems over measures via Sharpened Fenchel-Young Losses
di: Andrade, Francisco, et al.
Pubblicazione: (2025)

Abide by the Law and Follow the Flow: Conservation Laws for Gradient Flows
di: Marcotte, Sibylle, et al.
Pubblicazione: (2023)

Keep the Momentum: Conservation Laws beyond Euclidean Gradient Flows
di: Marcotte, Sibylle, et al.
Pubblicazione: (2024)

Multi-scale Autoregressive Models are Laplacian, Discrete, and Latent Diffusion Models in Disguise
di: Hong, Steve, et al.
Pubblicazione: (2025)

On the Error-Correcting Effects of Stochasticity in Discrete Diffusion
di: Yuan, William, et al.
Pubblicazione: (2026)

Enhancing Hypergradients Estimation: A Study of Preconditioning and Reparameterization
di: Ye, Zhenzhang, et al.
Pubblicazione: (2024)

Understanding the training of infinitely deep and wide ResNets with Conditional Optimal Transport
di: Barboni, Raphaël, et al.
Pubblicazione: (2024)

Ultra-fast feature learning for the training of two-layer neural networks in the two-timescale regime
di: Barboni, Raphaël, et al.
Pubblicazione: (2025)

Token Sample Complexity of Attention
di: Bohbot, Léa, et al.
Pubblicazione: (2025)

Scaling Behavior of Discrete Diffusion Language Models
di: von Rütte, Dimitri, et al.
Pubblicazione: (2025)

Balanced LoRA: Removing Parameter Invariance to Accelerate Convergence
di: Castin, Valérie, et al.
Pubblicazione: (2026)

Transformers are Universal In-context Learners
di: Furuya, Takashi, et al.
Pubblicazione: (2024)

Simple Guidance Mechanisms for Discrete Diffusion Models
di: Schiff, Yair, et al.
Pubblicazione: (2024)

A framework for bilevel optimization that enables stochastic and global variance reduction algorithms
di: Dagréou, Mathieu, et al.
Pubblicazione: (2022)

A Lower Bound and a Near-Optimal Algorithm for Bilevel Empirical Risk Minimization
di: Dagréou, Mathieu, et al.
Pubblicazione: (2023)

How do Transformers perform In-Context Autoregressive Learning?
di: Sander, Michael E., et al.
Pubblicazione: (2024)

Continuous Geometry-Aware Graph Diffusion via Hyperbolic Neural PDE
di: Liu, Jiaxu, et al.
Pubblicazione: (2024)

Geometry-Aware Attention Guidance for Diffusion Models via Modern Hopfield Dynamics
di: Kim, Kwanyoung
Pubblicazione: (2026)

Constrained Discrete Diffusion
di: Cardei, Michael, et al.
Pubblicazione: (2025)

Geometry- and Relation-Aware Diffusion for EEG Super-Resolution
di: Yao, Laura, et al.
Pubblicazione: (2026)

Debiasing Guidance for Discrete Diffusion with Sequential Monte Carlo
di: Lee, Cheuk Kit, et al.
Pubblicazione: (2025)

Self-Aware Markov Models for Discrete Reasoning
di: Kornhardt, Gregor, et al.
Pubblicazione: (2026)

Unmixing Noise from Hawkes Process to Model Learned Physiological Events
di: Staerman, Guillaume, et al.
Pubblicazione: (2024)

Convergence of Score-Based Discrete Diffusion Models: A Discrete-Time Analysis
di: Zhang, Zikun, et al.
Pubblicazione: (2024)

Interpolating Discrete Diffusion Models with Controllable Resampling
di: Kollovieh, Marcel, et al.
Pubblicazione: (2026)

Improved Sampling Schedules for Discrete Diffusion Models
di: Foresti, Alberto, et al.
Pubblicazione: (2026)

Guided Transfer Learning for Discrete Diffusion Models
di: Kleutgens, Julian, et al.
Pubblicazione: (2025)

Learnable Sampler Distillation for Discrete Diffusion Models
di: Fu, Feiyang, et al.
Pubblicazione: (2025)