AI اور دنیا کے مشکل مسائل · نظریاتی کمپیوٹر سائنس · arXiv · 2026-10-22

مضبوط اسٹوکاسٹک فلو میپس کی بہتر ٹریننگ

اصل عنوان: Improved Training of Strong Stochastic Flow Maps

Stochastic flow maps solution path کے ساتھ times کے درمیان براہِ راست چھلانگ لگانا سیکھ کر stochastic differential equations کی few-step sampling کا وعدہ کرتے ہیں، لیکن انہیں train کرنا مشکل ہے کیونکہ Brownian path ایک ایسا infinite-dimensional اور کہیں بھی differentiable نہ ہونے والا object ہے جو derivative پر مبنی losses کو دسترس سے باہر رکھتا ہے۔ مصنفین Brownian path کو shifted Legendre polynomial expansion کے ذریعے ظاہر کرتے ہیں اور derivative پر مبنی losses کو ممکن بنانے کے لیے Wong-Zakai انداز کے objective کے ساتھ train کرتے ہیں، اور بڑے pre-trained flow models کو مضبوط stochastic flow maps میں fine-tune کرنے کا ایک طریقہ تجویز کرتے ہیں۔ ImageNet پر اس سے four NFE پر SSFM کے مقابلے میں FD-DINOv2 میں تقریباً تین گنا بہتری حاصل ہوتی ہے۔

اصل تحریر پڑھیں ↗

تمام آئٹمز →