Yoshua Bengio

Bringing SAM to new heights: Leveraging elevation data for tree crown segmentation from drone imagery

将SAM提升至新高度：利用高程数据从无人机影像中进行树冠分割

Mélisande Teng, Arthur Ouaknine, Etienne Laliberté, Yoshua Bengio, David Rolnick, Hugo Larochelle

机构 * Mila – Quebec AI Institute（魁北克AI研究所） ； Université de Montréal（蒙特利尔大学） ； McGill University（麦吉尔大学） ； Rubisco AI（Rubisco人工智能） 纠错

AI总结 本研究针对无人机影像树冠实例分割任务，对比不同SAM方法，提出整合DSM的BALSAM模型，发现SAM端到端调优与DSM整合具应用潜力。

Improved off-policy training of diffusion samplers

扩散采样器的改进离策略训练

Marcin Sendera, Minsu Kim, Sarthak Mittal, Pablo Lemos, Luca Scimeca, Jarrid Rector-Brooks, Alexandre Adam, Yoshua Bengio, Esmeralda S. Whitammer

机构 * Mila, Université de Montréal（米拉-蒙特利尔大学） ； Jagiellonian University（雅盖隆大学） ； KAIST（韩国科学技术院） ； Ciela Institute（塞拉研究所） ； Dreamfold（德里姆福尔德公司） ； CIFAR（加拿大高级研究院） ； University of Edinburgh（爱丁堡大学） 纠错

AI总结 该研究针对扩散模型的离策略训练问题，提出结合重放缓冲区的目标空间局部搜索探索策略，提升了样本质量，同时阐明了现有算法的相对优势并质疑了过往部分结论，相关代码已公开。

Comments NeurIPS 2024; code: this https URL (https://github.com/GFNOrg/gfn-diffusion)

Amortizing intractable inference in diffusion models for vision, language, and control

在视觉、语言与控制任务的扩散模型中分摊难解推理

Siddarth Venkatraman, Moksh Jain, Luca Scimeca, Minsu Kim, Marcin Sendera, Mohsin Hasan, Luke Rowe, Sarthak Mittal, Pablo Lemos, Emmanuel Bengio, Alexandre Adam, Jarrid Rector-Brooks, Yoshua Bengio, Glen Berseth, Esmeralda S. Whitammer

AI总结 本文针对扩散模型用作下游任务先验时的难解后验推理问题，提出相对轨迹平衡方法，在视觉、语言、多模态及连续控制等任务上取得良好效果

Comments NeurIPS 2024; code: this https URL (https://github.com/GFNOrg/diffusion-finetuning)

Let the Flows Tell: Solving Graph Combinatorial Optimization Problems with GFlowNets

让流来揭示：用GFlowNets解决图组合优化问题

Dinghuai Zhang, Hanjun Dai, Esmeralda S. Whitammer, Aaron Courville, Yoshua Bengio, Ling Pan

AI总结 本文针对组合优化问题设计马尔可夫决策过程，训练条件GFlowNets采样解空间，经实验证明其能高效找到高质量解，相关实现已开源。

Comments NeurIPS 2023 (spotlight); code: this https URL (https://github.com/zdhNarsil/GFlowNet-CombOpt)

Joint Bayesian Inference of Graphical Structure and Parameters with a Single Generative Flow Network

基于单个生成流网络的图结构与参数的联合贝叶斯推断

Tristan Deleu, Mizu Nishikawa-Toomey, Jithendaraa Subramanian, Esmeralda S. Whitammer, Laurent Charlin, Yoshua Bengio

AI总结 本文提出名为JSP-GFN的方法，用单个生成流网络联合推断贝叶斯网络的图结构与参数，该方法在模拟和真实数据上的表现优于现有方法，可准确近似联合后验分布。

Comments NeurIPS 2023

Trajectory balance: Improved credit assignment in GFlowNets

轨迹平衡：改进GFlowNets中的信用分配

Esmeralda S. Whitammer, Moksh Jain, Emmanuel Bengio, Chen Sun, Yoshua Bengio

AI总结 针对GFlowNets现有学习目标在长动作序列中信用传播效率低的问题，提出轨迹平衡新目标，经理论证明其全局极小值可实现目标分布精确采样，且在多领域实验中展现出收敛性、样本多样性及鲁棒性优势。

Comments NeurIPS 2022; see footnotes for code