UniFlow:统一多尺度流匹配生成时间序列
热点事件持续更新
UniFlow:统一多尺度流匹配生成时间序列
1 篇报道1 个报道来源3 小时前更新
先了解这件事
AI 综述
Shibo Feng 等作者发布论文提出 UniFlow,用共享语义离散接口把多尺度表示学习与非自回归生成结合,用于时间序列生成。其多尺度分词器通过共享索引投票,将各尺度信息合并为单一公共 ID 序列;几何感知类别流匹配从学习到的低秩锚点初始化传输,非自回归生成公共 ID,无需多条生成 token 流或顺序解码。论文称,在四个基准的短期与长期设置上,其生成保真度和跨尺度一致性优于代表性自回归与扩散基线,推理速度也大幅提升;代码已公开。
AI 根据报道生成 · 3 小时前更新
最新进展11月4日 13:00
UniFlow:面向时间序列生成的统一多尺度流匹配框架报道时间线
沿着报道,了解事件的不同侧面。
11月4日
- arXiv · cs.AIUniFlow:面向时间序列生成的统一多尺度流匹配框架
UniFlow 提出统一框架,用共享语义离散接口把多尺度表示学习与非自回归生成结合起来,多尺度分词器通过共享索引投票将各尺度信息合并为单一公共 ID 序列。该框架采用几何感知类别流匹配,从学习到的低秩锚点初始化传输并非自回归生成公共 ID,无需多条生成 token 流或顺序解码。在四个基准的短期与长期设置上,其生成保真度和跨尺度一致性优于代表性自回归与扩散基线,推理速度也大幅提升。
本事件热度走势
- 可比范围当前
- 9
- 可比范围峰值
- 1011月4日 14:00
- 近 24 小时变化
- –
02.557.510
14:0015:0016:00
趋势仅比较持续完整观测到的相同主体,范围可能小于当前热度统计。移动指针或点击图表查看每小时热度;键盘可用左右方向键切换。