AnisoFlow用可学习目标提升流模型生成质量
热点事件持续更新
AnisoFlow用可学习目标提升流模型生成质量
1 篇报道1 个报道来源1 小时前更新
先了解这件事
AI 综述
斯坦福 Gordon Wetzstein 组等提出 AnisoFlow,让流模型自行学习方向依赖的预测目标,并在不改动架构、损失形式和采样器的情况下取得改进;论文称,ImageNet FID 从 JiT 的 1.90 降至 1.55,且无需使用 REPA。 AnisoFlow 还被用于像素空间文生图,消除了 patch 伪影;论文称,即使在 8-bit 条件下也能生成干净图像。
AI 根据报道生成 · 42 分钟前更新
最新进展11月17日 00:45
AnisoFlow:可学习的各向异性流模型目标,ImageNet FID 从 1.90 降至 1.55报道时间线
沿着报道,了解事件的不同侧面。
11月17日
- AGI HuntAnisoFlow:可学习的各向异性流模型目标,ImageNet FID 从 1.90 降至 1.55
斯坦福 Gordon Wetzstein 组等提出 AnisoFlow,让流模型自行学习方向依赖的预测目标,同时不改动架构、损失形式和采样器。AnisoFlow 将 ImageNet FID 从 JiT 的 1.90 降至 1.55,且无需 REPA;其像素空间文生图消除了 patch 伪影,即使在 8-bit 下也能生成干净图像。
本事件热度走势
还没有足够的连续观测数据,暂不绘制趋势。