机构名称：
¥ 1.0
基于流量的生成模型已经证明了广泛的数据模式（例如图像和文本）的有希望的性能。但是，很少有工作探索其扩展到无序数据（例如，空间点集），这并不是很微不足道，因为以前的模型主要是为自然订购的向量数据设计的。在本文中，我们提出了无序的流，这是一种基于流程的基于设定数据生成的生成模型。具体来说，我们将未订购的数据转换为适当的函数代表，并通过功能值流量匹配来了解此类表示的概率度量。对于从函数表示到未排序数据的逆映射，我们提出了一种类似于粒子过滤的方法，Langevin Dynamics首先要热身初始粒子和基于梯度的搜索，以更新它们直至结合。我们已经在多个现实世界数据集上进行了广泛的实验，这表明我们的无序流模型在生成集合结构化数据方面非常有效，并且显着胜过先前的基线。
集合数据生成的生成无序流量
主要关键词
相关文件推荐
