Derniers articles pour Génération de données

Examiner les avantages des modèles de diffusion pour les tâches de classification et de segmentation d'images.

Explore le fonctionnement et les applications des GAN dans différents domaines.

Un générateur de roman améliore la création d'images dans différentes catégories en utilisant des méthodes de transport optimal.

DiffuGen génère efficacement des ensembles de données d'images étiquetées de haute qualité pour l'apprentissage automatique.

Une nouvelle méthode entraîne des modèles en utilisant des images générées sans étiquettes humaines.

De nouveaux modèles génèrent des données réalistes dans différents domaines et applications.

Combiner les GAN et les VAE pour une meilleure génération d'images.

Explore l'impact des modèles de diffusion générative dans divers domaines, surtout l'optimisation de réseaux.

Cet article parle de l'utilisation des modèles de diffusion avec des données discrètes à travers le simplexe de probabilité.

Une nouvelle méthode améliore les capacités de génération de données des Autoencodeurs Variationnels.

Générer des empreintes digitales synthétiques réalistes pour améliorer les enquêtes judiciaires.

La génération de données synthétiques améliore l'apprentissage automatique pour l'analyse des matériaux au niveau atomique.

Une nouvelle méthode pour générer des données de préférence synthétiques améliore les modèles de récompense dans l'apprentissage par renforcement.

Une nouvelle méthode génère des données 3D sur les interactions humain-objet pour l'IA.

Une nouvelle méthode génère des états quantiques invisibles en fusionnant des techniques classiques et quantiques.

L'outil OmniSCV crée des images omnidirectionnelles de haute qualité pour un meilleur entraînement des algos.

Les VFMs offrent un échantillonnage plus rapide et efficace pour les données dans différentes applications.

Une nouvelle méthode vise à améliorer la qualité de sortie dans les modèles génératifs.

Exploiter les LLM pour créer d'énormes ensembles de données pour la prédiction d'intentions dans les systèmes de conversation.

Une explication claire des DDPM et de leurs applications pratiques dans la génération de données.

KANDY crée des tâches structurées pour évaluer les capacités d'apprentissage et de raisonnement de l'IA.

Une étude évalue la capacité des LLM à créer des données de questions-réponses culturellement pertinentes.

Apprends comment les modèles génératifs basés sur les scores créent de nouvelles données à partir de bruit.

Cette recherche se concentre sur la création d'images satellites réalistes à partir de mises en page sémantiques.

Cet article explore une méthode pour stabiliser des modèles génératifs en utilisant des données synthétiques.

ActGen génère des images pertinentes pour améliorer l'efficacité des performances du modèle.

Les chercheurs utilisent des données synthétiques pour améliorer l'estimation de la posture humaine.

Cette étude explore les bases théoriques des modèles de diffusion discrets en apprentissage automatique.

ObjectDR génère des données appariées pour améliorer la reconstruction de formes 3D à partir d'images 2D.

Présentation d'une manière plus simple de former des modèles génératifs implicites en utilisant la perte statistique invariante.

Une méthode pour améliorer les modèles de diffusion afin de générer des données de haute qualité de manière efficace.

GOLD propose un cadre pour générer des données d'entraînement variées pour les petits modèles de langage.

De nouvelles techniques améliorent l'efficacité des modèles de diffusion pour les tâches génératives.

Une nouvelle méthode pour améliorer la classification multi-label en utilisant la génération d'images synthétiques.

LidarDM génère des vidéos LiDAR réalistes pour l'entraînement et les tests de véhicules autonomes.

Les modèles de diffusion générative créent de nouvelles données en transformant du bruit en résultats réalistes.

Une nouvelle méthode pour améliorer l'efficacité dans la génération de données en utilisant des modèles de diffusion.

Cette méthode combine des modèles de diffusion et des GAN pour générer efficacement des échantillons de données de haute qualité.

Explore le fonctionnement et les applications des modèles de diffusion dans la génération de données.

Une nouvelle approche améliore la synthèse de jeux de données pour les modèles de langue, augmentant la diversité des résultats.