Tag · 3 篇
重要性采样
分布 3D 视觉与重建1生成模型与扩散1可解释性与可视化1
01 02 03
学习3D高斯泼溅中的可微层次结构
Learning Differentiable Hierarchies in 3D Gaussian Splatting
提出可微的层次化高斯表示与调制渲染，使3DGS支持任意数量的LoD渲染和模型剪枝，可直接用于需要动态精度调整的实时渲染与压缩场景。
GRPO-Guard：通过受调控的裁剪缓解流匹配中的隐式过度优化
GRPO-Guard: Mitigating Implicit Over-Optimization in Flow Matching via Regulated Clipping
对做扩散/流匹配模型 RL 后训练的人，这篇给出了一个可直接替换 PPO clipping 的比值归一化 + 梯度重加权模块，用来防止代理奖励上涨而图像质量与文本对齐崩塌；可作为 SD3.5、Flux 等骨干上 GRPO 微调的稳定化插件。
超越最高激活：高效可靠的自动化可解释性众包评估
Beyond Top Activations: Efficient and Reliable Crowdsourced Evaluation of Automated Interpretability
提出模型引导的重要性采样（MG-IS）和贝叶斯评分聚合（BRAgg），可高效、可靠地众包评估视觉网络神经元的自动化解释方法，为机制可解释性研究提供可复用的评估流程。