FLOWR 从噪声到配体:流模型如何重塑分子生成?
在 AI 分子生成中,过去几年最常见的技术路线是扩散模型。扩散模型通过“加噪—去噪”的方式,从随机噪声中逐步恢复分子结构...
在 AI 分子生成中,过去几年最常见的技术路线是扩散模型。扩散模型通过“加噪—去噪”的方式,从随机噪声中逐步恢复分子结构...
《扩散模型原理:从起源到发展》:第四章 扩散模型的今天:Score SDE 框架 专著:The Prin...
本期榜单主要项目覆盖 AI 提示与工具的开源生态、数据平台、以及多代理系统,聚焦于提示设计、数据集成、代理协作与长文档检索等方向。超过10000星以上的项目有 ...
PyTorch生成式人工智能(28)——MuseGAN详解与实现 0. 前言 1 数字音乐表示 1.1 音符、音阶和音高 1.2 多音轨音乐 1.3 音乐的数字...
生成模型实战 | 条件变分自编码器 0. 前言 1. cVAE 简介 2. cVAE 原理 2.1 变分下界的条件化 2.2 重参数化 2.3 cVAE 网络结...

PyTorch生成式人工智能(30)——扩散模型(Diffusion Model)0. 前言1. 去噪扩...
PyTorch生成式人工智能(10)——CyclelGAN详解与实现 0. 前言 1. CycleGAN 与循环一致性损失 1.1 CycleGAN 架构 1....
本期榜单主要项目覆盖 AI 提示与工具的开源生态、数据平台、以及多代理系统,聚焦于提示设计、数据集成、代理协作与长文档检索等方向。超过10000星以上的项目有 ...
PyTorch实战(22)——MuseGAN详解与实现 0. 前言 1 数字音乐表示 1.1 音符、音阶和音高 1.2 多音轨音乐 1.3 音乐的数字化表示 2...
PyTorch生成式人工智能(10)——CyclelGAN详解与实现 0. 前言 1. CycleGAN 与循环一致性损失 1.1 CycleGAN 架构 1....