跳到正文
arXiv · 机器人与计算机视觉· Mert Can Kurucu, Erik Englesson, Hossein Azizpour·· 8 天前AI 评分45

Robust Flow Matching under Target Corruption and Label Noise 论文被 NeurIPS 2026 接收

Robust Flow Matching under Target Corruption and Label Noise

AI 导读

针对流匹配(FM)在目标数据与标签受污染时的脆弱性,研究提出将特定残差分数映射为样本权重以增强鲁棒性。提出的时序残差分数(TRS)和比较条件分数(CCS)分别在中间至晚期时间步及同类轨迹间比较残差,有效提升了抗噪能力。实验表明该方法在受控腐蚀设置与真实世界噪声标签下均优于标准 FM 及鲁棒训练基线。

来源:arXiv · 机器人与计算机视觉 · arxiv.org