NUS提出WiD加速像素流模型训练

新加坡国立大学HPC-AI Lab提出维纳信息解码方法WiD，通过少量新增参数加速像素空间流模型训练，并在跨模型规模和解码器架构的实验中提升生成质量。 该方法冻结维纳估计，并将其同时用于直接预测和优化解码器计算；新增的谱与坐标变换等参数则通过可训练预测路径和系数接口联合学习，以减少像素空间速度场学习的计算开销。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。