Denoising Score Matching: Características Aleatorias y Difusión
Descubre cómo el número de muestras de ruido y la complejidad del modelo influyen en la generalización y memorización de modelos de difusión. Análisis teórico preciso.
#score matching
Estimación Directa del Puntaje de Fisher para Máxima Verosimilitud
Descubre cómo la estimación directa del Fisher score optimiza la verosimilitud usando simulaciones locales. Método rápido, flexible y eficiente para modelos intratables.
DiffusionBlocks: Entrenamiento por Bloques de Redes Neuronales
Descubre cómo DiffusionBlocks reduce la memoria al entrenar transformers por bloques, logrando rendimiento similar al entrenamiento extremo a extremo.
Deriva Generativa y Score Matching: Perspectiva Espectral y Variacional
El Drifting Generativo no es magia: es Score Matching. Aprende su teoría, la elección de kernels, y cómo estabilizar el entrenamiento con el operador stop-gradient.
Corrigiendo la Falacia Euclidiana en Políticas VLA con Lie Diffuser Actor
Lie Diffuser Actor corrige la falacia euclidiana en políticas VLA usando difusión en el espacio tangente de SE(3). Mejora un 7.3% en CALVIN ABC→D.
Límites de error para un estimador de deriva basado en modelos de difusión
Analizamos las cotas de error teóricas de un estimador de deriva basado en modelos de difusión, descomponiendo el riesgo en discretización, aproximación de score, inicialización y varianza.