«генеративные модели»

ТОП-5: кандидаты в слабые сигналы

Кандидаты в слабые сигналы — темы, прошедшие правило отбора; порядок — по числу пройденных критериев из 12. Стадия и тренд — грубая оценка по числу публикаций.

1. 1

   диффузионные генеративные модели

   diffusion generative models

   Диффузионные генеративные модели — методы генерации данных, которые обучаются обращать процесс диффузии, преобразуя шум в образцы целевого распределения. В представленных документах они применяются для создания изображений и трёхмерных структур, моделирования поведения участников дорожного движения, рекомендаций, космологических симуляций и решения обратных задач в геофизике.

   Ключевые предикторы: наклон доли в потоке, рост с поправкой, наклон работ и ещё 9 102 документа
   12 из 12

   Масштабирование, растёт быстро

   уверенность 100 %

2. 2

   мультимодальная генерация

   multimodal generation

   Мультимодальная генерация объединяет текстовые, визуальные и другие контекстные условия для создания изображений и видео. Документы описывают методы, направленные на сохранение пространственных и семантических связей, точное выполнение сложных инструкций, поддержание идентичности объектов, физической согласованности и временной структуры.

   Ключевые предикторы: рост с поправкой, наклон доли в потоке, доля препринтов и ещё 9 5 документов
   12 из 12

   Масштабирование, растёт

   уверенность 100 %

3. 3

   модели генерации видео

   video generation models

   Модели генерации видео создают визуально реалистичные и временно согласованные видеосцены, а также применяются как компонент мировых моделей для представления динамики среды. Документы описывают их использование для построения исполняемых миров с долгосрочной памятью, открытыми взаимодействиями и многoагентной динамикой, а также для генерации видео с учётом специализированных знаний, идентичности объектов и порядка событий.

   Ключевые предикторы: рост с поправкой, доля препринтов, наклон доли в потоке и ещё 8 9 документов
   11 из 12

   Масштабирование, растёт

   уверенность 92 %

4. 4

   генеративные молекулярные модели

   molecular generative models

   Генеративные молекулярные модели — это методы генерации новых молекулярных структур и графов с заданными свойствами или ограничениями. В переданных документах их применяют для поиска химических соединений, молекулярного докинга, проектирования стабилизирующих фрагментов и создания белковых или иных биомолекулярных конструкций.

   Ключевые предикторы: наклон доли в потоке, работы с РНФ, наклон работ и ещё 7 7 документов
   10 из 12

   Ранние разработки / PoC, растёт

   уверенность 83 %

5. 5

   синтез изображений по тексту

   text-to-image synthesis

   Синтез изображений по тексту — направление генеративных моделей, в котором изображения формируются по текстовому описанию. Документы описывают методы улучшения признаков, семантического выравнивания и внимания, а также применение такого синтеза для аугментации данных о пожарах и генерации изображений по сложным или детализированным запросам.

   Ключевые предикторы: работы с РНФ, доля препринтов, рост с поправкой и ещё 5 100 документов
   8 из 12

   Ранние разработки / PoC, растёт

   уверенность 67 %

Исключено из выдачи (3)

Кандидаты, которые не вошли в ТОП. У группы — правило исключения с порогом, у темы — причина. Пороги и все правила — в методике.

Правила без совпадений в этом поиске: отраслевые стандарты, шум, спад, недостаточно слабых признаков, недостаточно данных, область запроса.

Как получена выдача