CAR-Flow: Condition-Aware Reparameterization Aligns Source and Target for Better Flow Matching
条件生成建模旨在从包含数据条件对的样本中学习条件数据分布。为此，扩散和基于流动的方法已经取得了引人注目的结果。这些方法使用学习的（流）模型将忽略条件的初始标准高斯噪声传输到条件数据分布。因此，该模型需要学习质量传输和条件注射。为了缓解对模型的需求，我们提出了流量匹配的条件感知重新参数化（CAR-Flow）——一种轻量级的、学习性的转变，可以调节……
IEEE Transactions on Artificial Intelligence, Volume 6, Issue 11, November 2025
1) 基于 DNN 和 GAN 的鲁棒实时视听语音增强作者：Mandar Gogate、Kia Dashtipour、Amir Hussain 页数：2860 - 28692) 优化神经网络训练：资源节约的马尔可夫链方法作者：Ke Wang、Xianting Huang、Cong Tan、Siu-Ming Yiu、Zicong Chen、雷小林页数：2870 - 28833) LibriSQA：大型语言模型口语问答的新颖数据集和框架作者：赵子涵、江一阳、刘鹤阳、王宇、王彦峰页数：2884 - 28954) 从常规到反思：高效通信联邦学习中的修剪神经网络作者：裴家明、魏Li, Shahid Mu
