NeurIPS

Cross-fluctuation phase transitions reveal sampling dynamics in diffusion models

交叉波动相变揭示扩散模型中的采样动力学

Sai Niranjan Ramachandran, Manish Krishan Lal, Suvrit Sra

机构 * School of Computation, Information and Technology, Technical University of Munich（计算、信息与技术学院，慕尼黑技术大学） ； Munich Center for Machine Learning (MCML)（慕尼黑机器学习中心（MCML）） 纠错

AI总结 研究通过交叉波动分析扩散模型中分布采样动力学的相变过程，揭示采样过程中分布结构的演变及提升生成效率的方法。

Comments Accepted at NeurIPS 2025. 10 pages, camera-ready version. appendices included

Characterizing control between interacting subsystems with deep Jacobian estimation

通过深度雅可比估计表征相互作用子系统的控制特性

Adam J. Eisen, Mitchell Ostrow, Sarthak Chandra, Leo Kozachkov, Earl K. Miller, Ila R. Fiete

机构 * Brain and Cognitive Sciences MIT（麻省理工学院脑科学与认知科学系） ； IBM Thomas J. Watson Research Center（IBM沃森研究中心） ； International Centre for Theoretical Sciences（国际理论科学研究院） ； Brown University（布朗大学） 纠错

AI总结 本文提出一种基于深度学习的非线性控制理论框架，通过动态雅可比估计表征子系统交互，展示了在高维混沌系统中优于传统方法的性能，并通过多区域RNN模型验证了控制方向的动态变化及行为操控能力。

Comments 10 pages, 6 figures

Journal ref Advances in Neural Information Processing Systems 38 (NeurIPS 2025)

Color Conditional Generation with Sliced Wasserstein Guidance

基于切片Wasserstein指导的颜色条件生成

Alexander Lobashev, Maria Larchenko, Dmitry Guskov

机构 * Glam AI ； Magicly AI ； McGill University（麦吉尔大学） 纠错

AI总结 本文提出SW-Guidance方法，通过修改扩散模型采样过程，利用可微的切片1-Wasserstein距离提升颜色一致性，生成与参考图像颜色匹配且语义连贯的图像。

Comments NeurIPS 2025, spotlight

Journal ref https://neurips.cc/virtual/2025/loc/san-diego/poster/115823