跳到正文
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

报道时间线

沿着报道,了解事件的不同侧面。

11月17日
  1. AGI Hunt
    AnisoFlow: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。