研究人员推出了一种新颖的策略GenFirst，用于潜在生成模型的稳定端到端训练。该方法通过优先考虑生成目标，然后逐步加强重建，来解决潜在崩溃和生成-重建冲突等挑战。GenFirst已在图像合成方面展现出最先进的性能，使用SiT模型在ImageNet-256上实现了0.97的gFID，并且在使用MMDiT模型进行统一文本到图像生成方面也显示出潜力。 AI
影响 这项研究可能带来更稳定、更有效的图像和多模态数据生成模型的训练。
排序理由 该集群包含一篇详细介绍生成模型新方法的论文。
在 Hugging Face Daily Papers 阅读 →
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
完整方法见我们的编辑标准。
Direct end-to-end training of latent generative models avoids collapse via entropy preservation and asymmetric dynamics, using a generation-first strategy to achieve state-of-the-art image synthesis and unified multimodal generation.
arXiv:2608.29335v1 Announce Type: new Abstract: Latent generative models typically follow a two-stage pipeline, training a variational autoencoder for reconstruction and then a generative model on the frozen latent space. Since reconstruction-optimized latents are not necessarily…