Learning Joint Latent Space EBM Prior Model for Multi-layer Generator
Stevens Institute of Technology（史蒂文斯理工学院）；University of California, Los Angeles（加利福尼亚大学洛杉矶分校）
针对多层生成器先验模型表达能力有限的问题，提出联合潜空间EBM先验模型，通过能量项捕获层内关系并联合校正潜变量，采用MLE与MCMC训练，实验证明能生成高质量图像并提升异常检测性能。
2023-10-11 cs.CV cs.LG
Text Conditioned Symbolic Drumbeat Generation using Latent Diffusion Models
University of Galway（戈尔韦大学）
提出基于CLIP式对比对齐、多热编码和MultiResolutionLSTM的文本条件LDM符号鼓点生成方法，实验表明其新颖、贴合提示且质量接近人类创作。
2024-08-05 cs.AI cs.LG cs.SD
Genotype-Conditioned Molecular Generation via Evidence-Grounded Multi-Objective Latent Perturbation in Diffusion Models
Department of Computer Science and Engineering（计算机科学与工程系）；University of Notre Dame（诺克斯大学）；Department of Chemistry and Biochemistry（化学与生物化学系）；Lucy Family Institute for Data & Society（数据与社会学院）
提出一种在预训练的基因型到药物扩散模型的潜在空间中，通过梯度上升优化可学习扰动以最大化药物敏感性、类药性和合成可及性的复合奖励，并利用实验数据和LLM管道确保生物合理性和机制一致性。
2026-05-31 cs.LG cs.MA
Goal-Conditioned Variational Autoencoder Trajectory Primitives with Continuous and Discrete Latent Codes
Kyushu Institute of Technology（九州工业大学）；RIKEN center for Advanced Intelligence Project（理化学研究所先进智能项目中心）
模仿学习是一种直观的方法，用于教导机器人系统的运动。虽然以前的研究已经提出了各种方法来模拟演示运动原语，现有方法的局限性之一是，在高维空间中编码的轨迹的形状。轨迹表示的高维性可能是后续过程（例如规划原始运动序列）中的瓶颈。我们通过学习机器人轨迹的潜在空间来解决这个问题。如果轨迹的潜变量可以被学习，则即使当用户不是专家时，它也可以用于以直观的方式调整轨迹。我们提出了一个框架，演示轨迹与神经网络，学习低维潜在空间建模。我们的神经网络结构是建立在变分自编码器（VAE）的离散和连续的潜变量。我们扩展了现有的VAE的结构，以获得解码器，该解码器以轨迹的目标位置为条件，用于泛化到不同的目标位置。虽然VAE的推断不准确，但通过将投影引入解空间，可以将广义目标位置处的定位误差减小到1 mm以内。为了满足大量训练数据的需求，我们使用了一种轨迹增强技术，该技术受到了计算机视觉领域常用的数据增强的启发。在所提出的框架中，编码多种类型的轨迹的潜变量是以无监督的方式学习的，尽管现有的方法通常需要标签信息来对不同的行为进行建模。学习的解码器可以用作运动规划器，其中用户可以通过设置潜变量来指定目标位置和轨迹类型。
2020-09-23 cs.LG cs.RO
Autoregressive latent diffusion for 3D molecule generation
研究3D分子生成问题，提出KRONOS潜自回归扩散框架，联合建模分子图拓扑和几何，引入混合训练策略。实验表明其在自回归方法中无条件生成性能领先，与扩散模型竞争，单一架构可支持两种生成范式。
2026-10-05 cs.LG
Fast Timing-Conditioned Latent Audio Diffusion
Stability AI；Belmont University（贝尔蒙特大学）
本研究提出基于潜在扩散的Stable Audio模型，通过文本提示与时序嵌入实现长时长、可变长度的44.1kHz立体声音乐与音效高效生成，推理速度快且基准测试表现优异，还可生成有结构的音乐和立体声音效。
2024-05-13 cs.LG cs.SD eess.AS
EL3DD: Extended Latent 3D Diffusion for Language Conditioned Multitask Manipulation
Autonomous Intelligent Systems, University of Bonn（博恩大学自主智能系统）
本文提出EL3DD模型，通过结合视觉和文本输入，利用扩散模型生成精确的机器人轨迹，提升多任务操作的性能和长周期成功率。
2026-04-26 cs.AI cs.LG cs.RO
Latent Space Energy-Based Model of Symbol-Vector Coupling for Text Generation and Classification
University of California, Los Angeles（加利福尼亚大学洛杉矶分校）
本文提出了一种基于潜在空间能量的先验文本生成和分类模型。该模型建立在一个基于连续特征向量的生成器网络上。先验模型的能量项耦合了一个连续的特征向量和一个符号化的独热向量，从而可以根据连续特征向量从观察到的样本中推断出离散类别。这样的潜在空间耦合自然地使得能够结合信息瓶颈正则化，以鼓励连续潜在向量从所观察到的示例中提取信息，该信息是底层类别的信息。在我们的学习方法中，符号向量耦合，生成器网络和推理网络联合学习。我们的模型可以在不提供类别标签的无监督设置中学习。它也可以在半监督设置中学习，其中为训练样本的子集提供类别标签。我们的实验表明，该模型学习结构良好和有意义的潜在空间，（1）指导生成器生成高质量，多样性和可解释性的文本，（2）有效地分类文本。
2021-08-26 cs.LG
SOLD: SELFIES-based Objective-driven Latent Diffusion
The Pingry School（彭里学校）
针对直接在三维构象空间生成靶蛋白条件分子的低效复杂问题，本文提出 SOLD 潜在扩散模型，在一维 SELFIES 字符串潜在空间中生成高亲和力分子，并引入 SELFIES transformer 与多任务损失平衡方法。
2025-09-03 cs.LG
A Tale of Two Latent Flows: Learning Latent Space Normalizing Flow with Short-run Langevin Flow for Approximate Inference
研究了自顶向下生成器模型潜空间中的归一化流，其中归一化流模型充当生成器的先验信息模型。我们建议联合学习的潜在空间规范化流先验模型和自上而下的发电机模型的马尔可夫链蒙特卡罗（MCMC）为基础的极大似然算法，其中一个短期的朗之万采样从棘手的后验分布进行推断的潜变量为每个观察到的例子，使规范化流先验和发电机的参数可以更新与推断的潜变量。我们表明，在非收敛的短期MCMC的情况下，有限步Langevin动力学是一个流的近似推理模型和学习目标实际上遵循的极大似然估计（MLE）的扰动。我们进一步指出，学习框架旨在（i）匹配潜在空间归一化流和短期Langevin流产生的聚合后验，以及（ii）使模型偏离MLE，使得短期Langevin流推断接近真实后验。大量的实验结果验证了所提出的潜在空间归一化流模型在图像生成、图像重建、异常检测、有监督图像修复和无监督图像恢复等任务中的有效性。
2023-01-23 cs.LG stat.ML
PcLast: Discovering Plannable Continuous Latent States
Microsoft Research（微软研究院）；Mila - Quebec AI Institute（米拉-魁北克人工智能研究所）；ETS Montreal（蒙特利尔高等技术学院）；New York University（纽约大学）；McGill University（麦吉尔大学）；Meta
本文提出PcLast，通过多步逆动力学学习潜在表示并在ℓ₂空间中关联可达状态，显著提升目标条件规划的采样效率，并在无奖励场景下实现零额外样本的分层规划。
2024-06-11 cs.AI cs.LG cs.RO
Pitch-Conditioned Instrument Sound Synthesis From an Interactive Timbre Latent Space
针对现有高质量神经乐器合成方法依赖高维潜空间操控难的问题，提出两阶段半监督学习框架，先训练音高-音色解耦的二维表示，再用Transformer生成模型生成音高准确、音色可控的高质量音频，还做了交互应用验证可用性。
2025-10-05 cs.AI cs.LG cs.SD
FalconBC: Flow matching for Amortized inference of Latent-CONditioned physiologic Boundary Conditions
Department of Mechanical Engineering, Stanford University（斯坦福大学机械工程系）；Institute for Computational and Mathematical Engineering, Stanford University（斯坦福大学计算与数学工程研究所）；Bioengineering, Stanford University（斯坦福大学生物工程系）；Pediatric Cardiology, Stanford University（斯坦福大学儿科心脏病学）；Department of Applied and Computational Mathematics and Statistics, University of Notre Dame（诺丁汉大学应用与计算数学与统计学系）
本文提出FalconBC框架，通过概率流方法实现对患者特定生理边界条件的近似推断，解决了开放环路模型和血管病变解剖结构中边界条件无法孤立调节的问题。
2026-03-18 cs.LG stat.ML
Semi-supervised Learning by Latent Space Energy-Based Model of Symbol-Vector Coupling
University of California, Los Angeles（加州大学洛杉矶分校）；Stevens Institute of Technology（斯蒂文斯理工学院）
提出了一种基于潜在空间能量的半监督学习先验模型。该模型建立在一个生成器网络上，该网络将一个潜在向量映射到观察到的示例。先验模型的能量项将潜在向量和符号独热向量耦合，使得分类可以基于从观察到的示例推断的潜在向量。在我们的学习方法中，符号向量耦合，生成器网络和推理网络联合学习。我们的方法适用于半监督学习在各种数据域，如图像，文本和表格数据。实验结果表明，该方法在半监督学习任务中表现良好。
2020-10-19 cs.LG
Flash-Split: 2D Reflection Removal with Flash Cues and Latent Diffusion Separation
University of Maryland（马里兰大学）
本文提出Flash-Split框架，利用闪光/无闪光图像对在潜在空间中进行双阶段扩散分离与跨潜在解码，有效去除透明表面反射并恢复高分辨率细节，在真实场景中显著超越现有方法。
2024-12-31 cs.CV cs.LG
Time-Conditioned Generative Modeling of Object-Centric Representations for Video Decomposition and Prediction
School of Computer Science, Fudan University（复旦大学计算机科学学院）
本文提出时间条件生成模型，通过Transformer与Slot Attention序列扩展增强物体和视角表示解耦，并利用高斯过程先验实现无视角标注的视频分解、遮挡物体完整形状重建和新视角预测。
2023-10-26 cs.CV cs.LG
Temporal Generative Adversarial Nets with Singular Value Clipping
Preferred Networks Inc.（Preferred Networks 公司）
在本文中，我们提出了一个生成模型，时间生成对抗网络（TGAN），它可以学习未标记视频的语义表示，并能够生成视频。与现有的基于生成对抗网络（GAN）的方法不同，这些方法使用由3D去卷积层组成的单个生成器生成视频，我们的模型利用了两种不同类型的生成器：时间生成器和图像生成器。时间生成器将单个潜变量作为输入并输出一组潜变量，每个潜变量对应于视频中的图像帧。图像生成器将一组这样的潜变量转换成视频。为了解决GAN训练中的不稳定问题，我们采用了最近提出的Wasserstein GAN模型，并提出了一种新的方法，以端到端的方式对其进行稳定的训练。实验结果证明了该方法的有效性。
2017-08-18 cs.CV cs.LG
Latent reweighting, an almost free improvement for GANs
Criteo AI Lab（Criteo AI实验室）；LIGM, Ecole des Ponts（法国国立桥路学校LIGM实验室）
GANs的标准公式，其中连续函数使连接的潜在空间变形，已被证明在拟合不同类别的图像时被错误指定。特别是，生成器将必须在类之间采样一些低质量的图像。不是修改架构，而是一系列工作旨在以增加计算成本为代价来提高预训练生成器的采样质量。在此基础上，我们引入了一个额外的网络来预测潜在的重要性权重和两个相关的抽样方法，以避免最差的样本。这个想法有几个优点：1）它提供了一种将不连通性注入任何GAN架构的方法，2）由于拒绝发生在潜在空间中，它避免了通过生成器和搜索器，节省了计算时间，3）这个重要性权重公式提供了一种原则性的方法来减少Wasserstein到目标分布的距离。我们证明了我们的方法在几个数据集，合成和高维的有效性。
2021-10-19 cs.CV cs.LG
Improving text-conditioned latent diffusion for cancer pathology
Ashoka University（阿肖克大学）
针对现有文本条件潜在扩散模型在癌症组织病理图像生成中的缺陷，本文修正关键错误并提出改进，实现FID 21.11的效果，优于现有SOTA方法1.2，且训练GPU显存占用降低7%。
2024-12-09 cs.CV cs.LG eess.IV
Inverting The Generator Of A Generative Adversarial Network
Imperial College London（帝国理工学院）
生成对抗网络（GANs）通过将从潜在空间中提取的样本传递到生成网络来学习从高维分布中合成新样本。当高维分布描述特定数据集的图像时，网络应该学习为潜在空间中彼此接近的潜在变量生成视觉上相似的图像样本。对于诸如图像检索和图像分类之类的任务，通过将图像投影到潜在空间中并将其用作区分性任务的表示来利用潜在空间的布置可能是有用的。GANs通常由多层非线性计算组成，这使得它们很难反转。本文介绍了使用任何预训练的GAN将图像样本投影到潜在空间中的技术，前提是计算图可用。我们评估这些技术的MNIST数字和Omniglot手写字符。在MNIST数字的情况下，我们表明，投影到潜在的空间保持有关的风格和身份的数字的信息。在Omniglot字符的情况下，我们表明，即使是在训练过程中没有看到的字母表中的字符也可以很好地投射到潜在空间中;这表明这种方法可能在一次性学习中有应用。
2016-11-17 cs.CV cs.LG
Mask-conditioned latent diffusion for generating gastrointestinal polyp images
University of Oslo（奥斯陆大学）；Oslo Metropolitan University（奥斯陆城市大学）；Monash University（莫纳什大学）；Swedish Medical Group（瑞典医疗集团）；SimulaMet
本文提出一种以分割掩码为条件的扩散概率模型，用于生成带真实掩码的高保真胃肠息肉合成图像，并通过分割实验证明合成数据与真实数据结合可提升DeepLabv3+的IOU至0.7751，同时指出效果依赖模型架构。
2023-04-11 cs.CV cs.LG eess.IV
Optimizing the Latent Space of Generative Networks
Facebook AI Research（脸书人工智能研究院）
生成对抗网络（GANs）在生成逼真自然图像的任务中取得了显着的成果。在大多数成功的应用中，GAN模型有两个共同的方面：解决一个具有挑战性的鞍点优化问题，解释为生成器和卷积函数之间的对抗游戏;以及将生成器和卷积函数参数化为深度卷积神经网络。本文的目标是理清这两个因素对GANs成功的贡献。特别是，我们介绍了生成潜在优化（GLO），这是一个使用简单重建损失训练深度卷积生成器的框架。通过各种实验，我们证明了GLO具有GANs的许多理想特性：合成视觉上吸引人的样本，在样本之间进行有意义的插值，以及使用噪声向量执行线性运算;所有这些都没有对抗性优化方案。
2019-05-20 cs.CV cs.LG stat.ML
Self-Conditioned Generative Adversarial Networks for Image Editing
CFCS Peking University（北京大学前沿计算研究中心）；Tel Aviv University（特拉维夫大学）
生成对抗网络（GANs）容易受到偏见的影响，无论是从不平衡的数据中学习，还是通过模式坍塌学习。这些网络专注于数据分布的核心，而将分布的尾部或边缘抛在后面。我们认为，这种偏见是负责不仅公平的问题，但它起着关键作用的潜在遍历编辑方法时，偏离分布的核心崩溃。基于这一观察结果，我们概述了一种通过自调节过程减轻生成偏差的方法，其中预训练生成器的潜在空间中的距离用于为数据提供初始标签。通过对从这些自标记数据中提取的重新采样分布进行微调，我们迫使生成器更好地应对罕见的语义属性，并能够更真实地生成这些属性。我们将我们的模型与各种潜在的编辑方法进行比较，并表明通过减轻偏见，它们可以通过更广泛的转换实现更精细的语义控制和更好的身份保护。我们的代码和模型将在https://github.com/yzliu567/sc-gan上提供
2022-02-08 cs.CV cs.GR cs.LG
Your GAN is Secretly an Energy-based Model and You Should use Discriminator Driven Latent Sampling
Mila（米拉研究所）；Université de Montréal（蒙特利尔大学）；Google Brain（谷歌大脑）
我们表明，一个GAN的隐式生成器的对数密度$\log p_g$与logit得分的ESTA定义的能量函数，产生真正的数据密度时，发电机是不完美的，但ESTA是最佳的，从而使它有可能改善典型的发电机（与隐式密度$p_g$）。为了实现这一点，我们表明，从这个修改后的密度采样可以通过根据潜在先验对数密度和潜在输出分数之和引起的基于能量的模型在潜在空间中进行采样来实现。这可以通过在潜在空间中运行Langevin MCMC，然后应用生成器函数来实现，我们称之为鉴别器驱动潜在采样~（DDLS）。我们表明，DDLS是非常有效的相比，以前的方法，工作在高维像素空间，可以应用于改善以前训练的GANs的许多类型。我们评估DDLS的合成和现实世界的数据集定性和定量。在CIFAR-10上，DDLS大大提高了现成的预训练SN-GAN~ \citep{sngan}的初始得分，从$8.22$到$9.09$，甚至可以与类条件BigGAN~ \citep{biggan}模型相媲美。这在无条件图像合成设置中实现了新的最先进技术，而无需引入额外的参数或额外的训练。
2021-07-07 cs.AI cs.LG stat.ML
An Image-based Generator Architecture for Synthetic Image Refinement
提出了边界平衡生成对抗网络的替代生成器架构，其动机是通过对抗训练从模拟和无监督图像中学习。它解开了对基于噪声的潜在空间的需求。该生成器将主要作为一个细化网络来运行，以获得给定合成图像的照片般逼真的呈现。它还试图通过消除噪声注入的需要并将其替换为基于图像的概念来解决潜在空间的知之甚少的属性。新的灵活和简单的生成器架构也将提供控制限制性细化和表达能力之间的权衡的能力。与其他可用的方法相反，该架构将不需要用于训练阶段的真实图像和合成图像的配对或未配对的数据集。只有相对较小的一组真实图像就足够了。
2021-08-10 cs.CV cs.LG eess.IV
A Controlled Benchmark of Quantum-Latent GAN Augmentation for Brain MRI
Department of Mathematics（数学系）；Department of Political and Social Sciences（政治与社会科学系）
通过受控基准测试，比较量子与经典生成器在脑MRI数据增强中的性能，发现两者均未显著优于仅用真实数据训练，且量子生成器无额外优势。
2026-06-19 cs.AI cs.CV cs.LG
Latent Representation Alignment for Offline Goal-Conditioned Reinforcement Learning
Seoul National University（首尔国立大学）
针对离线目标条件强化学习中价值函数错误泛化的瓶颈，提出潜在对齐价值学习（LAVL）算法，通过潜在表示价值泛化与分层规划的统一框架，在OGBench的22个数据集上20个取得最优性能。
2026-05-25 cs.LG
SynLaD: Latent Diffusion for Generating Synthesizable Molecules Conditioned on 3D Pharmacophore Profiles
提出SynLaD框架，结合潜在扩散与反应约束生成，在3D药效团条件下同时优化分子可合成性和形状匹配，优于现有基线。
2026-07-02 cs.LG
Goal-Conditioned Generators of Deep Policies
The Swiss AI Lab IDSIA（瑞士人工智能实验室IDSIA）；USI（意大利语区大学（瑞士提契诺大学））；SUPSI（瑞士南部应用科学与艺术大学）；KAUST（阿卜杜拉国王科技大学）；NNAISENSE（NNAISENSE公司）
目标条件强化学习（RL）的目的是学习最优策略，给定的目标编码在特殊的命令输入。在这里，我们研究了目标条件神经网络（NN），它学习以特定于上下文的权重矩阵的形式生成深度NN策略，类似于快速权重编程器和20世纪90年代的其他方法。使用“生成实现期望预期回报的策略”形式的上下文命令，我们的NN生成器将参数空间的强大探索与命令间的泛化相结合，以迭代地找到越来越好的策略。一种形式的权重共享超网络和策略嵌入扩展了我们的方法来生成深度NN。实验展示了单个学习策略生成器如何生成实现训练期间看到的任何返回的策略。最后，我们评估我们的算法在一组连续控制任务，它表现出竞争力的性能。代码是公开的。
2022-07-04 cs.LG stat.ML
J-LAW: Joint Localization and Action-Conditioned World Modeling via Coupled Latent Factor Graphs
Geely Technology Europe（吉利技术欧洲公司）；State Key Laboratory of Information Engineering in Surveying, Mapping and Remote Sensing (LIESMARS)（信息工程测绘与遥感国家重点实验室（LIESMARS））；Wuhan University（武汉大学）
提出J-LAW，通过耦合因子图联合优化度量物体位姿、潜在世界状态和潜在地标嵌入，实现定位与可操作世界建模的协同提升，实验证明能显著降低潜在预测误差和端点漂移。
2026-09-01 cs.LG cs.RO
Decision-Metric Alignment in Latent World Models: Diagnostics and Action-Conditioned Objectives for MPC Planning
该研究针对潜在世界模型中MPC规划的决策度量对齐问题，提出两种秩一致性诊断指标，开发DA-LeWM模型，验证其可加快收敛并提升在线成功率，改善潜在MPC的几何结构。
2026-08-20 cs.CV cs.LG
PerturbRx: Learning Treatment-Conditioned Latent Transitions for Patient Drug Response Prediction
University of Minnesota（明尼苏达大学）；National Library of Medicine（美国国家医学图书馆）；Inha University（仁荷大学）；University of Michigan（密歇根大学）
针对患者癌症治疗反应预测的稀缺数据和肿瘤异质性问题，提出PerturbRx框架，通过学习治疗条件潜在迁移实现精准预测，在TCGA等基准中表现最优。
2026-08-24 cs.LG q-bio.QM
TargetSEC: Plug-and-Play In-the-Wild Speech Emotion Conversion via Arousal-Conditioned Latent Style Diffusion
Hasso Plattner Institute / University of Potsdam（霍普特尔研究所 / 波茨坦大学）
提出TargetSEC，一种基于嵌入驱动的潜在扩散框架，通过连续情感条件生成情感风格嵌入，在紧凑潜在空间操作，实现高转换精度和语音质量。
2026-10-19 cs.LG cs.SD
LaSAFT: Latent Source Attentive Frequency Transformation for Conditioned Source Separation
Korea University（高丽大学）；Korea National Open University（韩国国立开放大学）
最近的深度学习方法表明，频率变换（FT）模块可以通过捕获频率模式来显着改进基于频谱的单声源分离模型。本文的目标是扩展FT块，以适应多源任务。我们提出了潜在源注意频率变换（LaSAFT）块捕获源相关的频率模式。我们还提出了门控逐点卷积调制（GPoCM），逐点线性调制（FILM）的扩展，调制内部功能。通过采用这两种新的方法，我们扩展了条件U-Net（CUNet）的多声源分离，实验结果表明，我们的LaSAFT和GPoCM可以提高CUNet的性能，实现了最先进的SDR性能在几个MUSDB 18声源分离任务。
2021-04-14 cs.LG cs.SD eess.AS
Latent Action World Models for Control with Unlabeled Trajectories
Technical University of Munich（慕尼黑技术大学）；Machine Learning Research Lab, Volkswagen Group（大众集团机器学习研究实验室）；Eötvös Loránd University Budapest（布达佩斯欧多立大学）；Foundation Robotics Labs（基础机器人实验室）
本文提出了一种潜在动作世界模型，通过结合动作条件和无动作数据，提升离线强化学习在未标记轨迹上的性能。
2025-12-10 cs.LG
When Latent Geometry Is Not Enough: Draft-Conditioned Latent Refinement for Non-Autoregressive Text Generation
Technical Report v1, May 2026（技术报告v1，2026年5月）
本文提出通过草稿条件潜在细化模型提升非自回归文本生成效果，发现潜在几何本身不足以保证生成质量，需结合解码器可读性与结构保持。
2026-05-15 cs.CL cs.LG
BeliefGraph-JEPA: Structured Latent World Models for Action-Conditioned Time Series
Carnegie Mellon University（卡内基梅隆大学）；University of North Carolina at Chapel Hill（北卡罗来纳大学教堂山分校）；Stevens Institute of Technology（史蒂文斯理工学院）
针对动作条件时间序列预测，提出BeliefGraph-JEPA结构化潜在世界模型，通过类型化潜在效应状态和图路由捕捉未来驱动因素影响，在四个多目标系统上优于多种基线。
2026-10-06 cs.AI cs.LG
Latent-Conditioned Parameterized Quantum Circuits as Universal Approximators for Distributions over Quantum States
Quantum Laboratory, Fujitsu Research, Fujitsu Limited（Fujitsu 研究所量子实验室， Fujitsu 有限公司）
提出潜在条件参数化量子电路（LPQC），通过经典神经网络将潜在变量映射到量子电路参数，证明其在1-Wasserstein距离下是密度算子概率测度的通用近似器，并引入多模态潜在先验和专家混合电路架构缓解贫瘠高原问题。
2026-06-18 cs.LG quant-ph
LaVR: Scene Latent Conditioned Generative Video Trajectory Re-Rendering using Large 4D Reconstruction Models
Meta；University of Maryland（马里兰大学）；University of Oxford（牛津大学）；UC Davis（加州大学戴维斯分校）
本文提出LaVR模型，通过利用大规模4D重建模型的潜在空间中的隐式几何知识，解决视频重绘中几何未条件化模型的空间感知不足和几何条件化模型对深度不准确的依赖问题，实现状态-of-the-art结果。
2026-04-02 cs.CV cs.LG
Bootstrapped Training of Score-Conditioned Generator for Offline Design of Biological Sequences
Korea Advanced Institute of Science and Technology (KAIST)（韩国科学技术院（KAIST））；Pohang University of Science and Technology (POSTECH)（浦项科技大学（POSTECH））
针对离线黑盒分数最大化下的生物序列优化问题，提出BootGen算法，通过基于排名的生成器训练与代理函数引导的自举数据增强，结合多样本聚合，显著提升了序列设计性能。
2024-03-22 cs.LG q-bio.QM stat.ML
Towards General Language-Conditioned Latent Safety Filters
该研究提出语言条件安全过滤器，结合哈密顿-雅可比安全演员与评论家，在多种视觉机器人任务中减少约束违规并实现部分未见过约束实例的迁移。
2026-08-04 cs.LG cs.RO cs.SY
Training Reinforcement Learning Agents and Humans With Difficulty-Conditioned Generators
School of Computing and Information Systems（计算与信息系统学院）；Singapore Management University（新加坡管理大学）
本文改编PERM，通过IRT启发的难度—能力匹配与离线两阶段课程，同时训练RL智能体和人类学习者，并经实证验证有效。
2023-12-04 cs.AI cs.HC cs.LG
Mind the Gap when Conditioning Amortised Inference in Sequential Latent-Variable Models
Volkswagen Group（大众集团）
摊销推理使具有证据下限（ELBO）的序列潜变量模型（LVMs）的可扩展学习成为可能。在这种情况下，变分后验往往只是部分条件。而真正的后验依赖于，例如，在整个观测序列上，近似后验仅由过去的观测提供信息。这模仿了贝叶斯滤波器--一种平滑后验的混合。然而，我们表明，ELBO的目标部队部分条件摊销后验近似产品的平滑后验。因此，学习的生成模型受到损害。我们在三个场景中展示了这些理论研究结果：交通流量，手写数字和飞行器动态。使用完全条件近似后验，性能提高方面的生成建模和多步预测。
2021-03-17 cs.LG stat.ML
MoMo: Conditioned Contrastive Representation Learning for Preference-Modulated Planning
Massachusetts Institute of Technology（麻省理工学院）
MoMo通过特征线性调制和低秩神经调制，实现基于偏好调节的对比表征学习，使规划保守性在推理时可连续调节，提升时间与偏好一致性。
2026-05-14 cs.LG
Cross-Session Decoding of Neural Spiking Data via Task-Conditioned Latent Alignment
Institute of Automation, Chinese Academy of Sciences（自动化研究所，中国科学院）；Departments of Ophthalmology and Bioengineering, University of Pittsburgh（眼科学与生物工程系，匹兹堡大学）；Inria, CEA, Université Paris-Saclay（法国国家科学研究中心（Inria）、法国国家科学研究中心（CEA）、巴黎萨克雷大学）
本文提出TCLA框架，通过任务条件潜在对齐在有限目标会话数据下提升神经解码性能，实验显示在运动和眼动皮层数据集上解码效果显著提升。
2026-05-02 cs.AI cs.LG
Compositional Transduction with Latent Analogies for Offline Goal-Conditioned Reinforcement Learning
Department of Electrical and Computer Engineering and ASRI, Seoul National University（电气与计算机工程系和首尔国立大学ASRI）；Independent researcher（独立研究者）；Robotics Institute, Carnegie Mellon University（卡内基梅隆大学机器人研究所）
本文提出了一种基于潜在类比的组合转导方法，用于解决离线目标条件强化学习中面对新情境时的目标泛化问题，通过引入新的类比表示方法，提升了在不同情境下的目标达到能力。
2026-05-20 cs.LG
Exploring the Edges of Latent State Clusters for Goal-Conditioned Reinforcement Learning
Rutgers University（罗格斯大学）
针对无监督目标条件强化学习中的探索难题，提出簇边缘探索算法，通过潜在空间聚类并优先选择可达边界目标，在多个机器人环境中显著提升探索效率。
2024-11-03 cs.AI cs.LG cs.RO
NodeJEPA: Structure-Conditioned Latent Prediction for Node-Level Graph Self-Supervised Learning
Northeastern University（东北大学）
本文提出NodeJEPA，一种节点级图自监督学习的联合嵌入预测架构，通过结构条件隐式预测避免依赖输入重构，经节点分类基准评估有效，为相关研究提供实用方案。
2026-08-06 cs.AI cs.LG
Efficient Fréchet Distributional Decoder Alignment for Latent Generative Models
University of Toronto（多伦多大学）；Université de Montréal（蒙特利尔大学）；Vijil（维吉尔公司）
该研究针对潜在生成模型的解码器训练-生成不匹配问题，提出FDDA方法，冻结生成器并直接优化解码器，可显著降低gFDr⁶和训练时间，提升生成模型性能。
2026-10-14 cs.CV cs.LG
Stable Neural Decoding Across Sessions via Task-Conditioned Latent Alignment for Brain-Machine Interfaces
Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所）；University of Pittsburgh（匹兹堡大学）；Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳））
提出任务条件潜在对齐（TCLA）框架，通过共享潜在空间和任务条件分布对齐，在跨会话和跨受试者神经解码中显著提升稳定性和鲁棒性，优于现有方法。
2026-09-24 cs.LG eess.SP
Latent-Conditioned Policy Gradient for Multi-Objective Deep Reinforcement Learning
Hitachi America, Ltd. R&D（日立美国研发有限公司）
针对多目标强化学习中穷举帕累托最优策略难度大的问题，提出一种基于策略梯度的单网络训练算法，无需线性标量化即可单次获取近似帕累托集，适配连续与离散动作空间，性能优于标准基线。
2024-10-05 cs.LG cs.RO
HIQL: Offline Goal-Conditioned RL with Latent States as Actions
University of California, Berkeley（加利福尼亚大学伯克利分校）；Princeton University（普林斯顿大学）
针对离线目标条件强化学习中远距离目标价值函数难估计的问题，提出分层算法HIQL，通过高低层策略利用子目标结构提升鲁棒性，在长时序、高维图像等任务上表现优于现有方法。
2024-03-10 cs.AI cs.LG cs.RO
Geometrically Enriched Latent Spaces
MPI for Intelligent Systems（马克斯·普朗克智能系统研究所）；Technical University of Denmark（丹麦技术大学）
生成模型中的一个常见假设是生成器将潜在空间浸入到欧几里得环境空间中。相反，我们认为环境空间是一个黎曼流形，它允许通过相关的黎曼度量编码领域知识。然后，可以在潜在空间中相应地定义最短路径，以遵循学习的流形并尊重周围的几何形状。通过精心设计的环境度量，我们可以确保最短路径是良好的行为，即使是确定性的发电机，否则会表现出误导性的偏见。实验上，我们表明，我们的方法提高了可解释性的学习表示使用随机和确定性的发电机。
2020-08-02 cs.LG stat.ML
Deep Unsupervised Clustering with Clustered Generator Model
Shanghai Jiao Tong University（上海交通大学）；Stevens Institute of Technology（史蒂文斯理工学院）；University of California, Los Angeles（加州大学洛杉矶分校）
无监督聚类是机器学习和人工智能领域最基本的问题之一。我们提出了聚类生成器模型的聚类，其中包含连续和离散的潜变量。离散潜变量对聚类标签进行建模，而连续潜变量对每个聚类内的变化进行建模。模型的学习在统一的概率框架中进行，并将无监督聚类作为内部步骤，而不需要像现有的基于变分的模型那样需要额外的推理模型。学习的潜变量既可以作为观察到的数据嵌入，也可以作为数据分布的潜在表示。实验结果表明，该模型可以达到有竞争力的无监督聚类精度，并可以学习解开潜在的表示，以产生现实的样本。此外，该模型可以自然地扩展到每像素无监督聚类，这在很大程度上尚未探索。
2019-11-19 cs.LG stat.ML
