SetFlow: Generating Structured Sets of Representations for Multiple Instance Learning

Diese Arbeit stellt SetFlow vor, eine generative Architektur, die ganze Multiple-Instance-Learning (MIL)-Säcke direkt im Repräsentationsraum modelliert. Sie nutzt das Flow-Matching-Paradigma und ein Set-Transformer-inspiriertes Design, um Abhängigkeiten innerhalb von Säcken zu erfassen und kohärente, semantisch konsistente Repräsentationen zu generieren.