확산 모델

arXiv 논문은 자율주행 장면의 날씨 편집을 위한 Cyclone 프레임워크를 제안한다. 잠재 확산 모델과 순환 일관성 제약, 이미지-텍스트 모델 지식을 결합해 페어 데이터 없이 다양한 날씨 변환을 수행하는 것이 핵심이다.

새 arXiv 논문은 무거운 꼬리 분포를 랜덤 클록으로 조건화된 가우시안 혼합으로 표현하는 HTFM을 제안한다. 희귀 사건, 롱테일 이미지, 기상장처럼 극단값이 중요한 데이터에 더 잘 맞는 생성 모델을 목표로 한다.

TCAM-Diff는 고해상도 3D 의료영상을 조밀한 볼륨 그대로 생성하지 않고, 트라이플레인 표현으로 압축해 확산 모델이 학습하도록 설계된 방법이다. 생성된 특징은 사전 학습된 디코더를 통해 3D 볼륨으로 빠르게 변환된다.

새 서베이 논문은 이산 확산 모델을 손실 함수나 샘플러가 아니라, 이산 상태 공간을 어떻게 구성하느냐의 문제로 재정의한다.