PulseAugur
中
实时 20:07:22
实体 DPG Bench

DPG Bench

PulseAugur coverage of DPG Bench — every cluster mentioning DPG Bench across labs, papers, and developer communities, ranked by signal.

Show in brief
总计 · 30天
7
90 天内 15
发布 · 30天
0
90 天内 0
论文 · 30天
7
90 天内 15
层级分布 · 90 天
主题
情绪 · 30 天

6 天有情绪数据

最近 · 第 1/1 页 · 共 15 条
  1. RESEARCH · CL_348624 ·

    新的扩散Transformer通过多尺度和组合能力推进图像生成 · 跟踪2个来源

    两篇新的研究论文介绍了用于图像生成的新型扩散Transformer架构。第一篇,MS-pDiT,将空间尺度视为一种模态,同时处理多分辨率图像以提高保真度并实现灵活的标记化。第二篇,全景场景程序扩散Transformer(PSP-DiT),将全景场景程序视为一等潜在变量,增强了模型处理涉及实例身份、属性和空间关系组合提示的能力。

  2. RESEARCH · CL_352386 ·

    GSTAR框架实现高度压缩的自回归图像生成

    研究人员开发了GSTAR,一种用于深度压缩自回归图像生成的新框架。该方法利用空间组联合缩放,实现了显著的压缩率(高达64倍),同时在重建、理解和生成方面保持了高性能。GSTAR采用半自回归解码器,可高效建模组内依赖关系,比之前的离散自回归模型提速20倍,并能在NVIDIA H200上实现2.5秒的图像生成。

  3. RESEARCH · CL_336511 ·

    新的AI方法优化视觉令牌处理以提高效率

    研究人员开发了新的方法来优化AI模型中的视觉令牌处理,以降低计算成本。视觉令牌路由(VTR)学习仅从屏幕截图中选择与AI代理最相关的视觉令牌,显著降低了处理需求和推理成本,同时保持了性能。类似地,MoETok为一维视觉令牌化器引入了一个稀疏专家路由系统,允许令牌根据其角色由专门的专家处理,从而提高了重建、语义表示和生成能力。

  4. TOOL · CL_332996 ·

    SpecSlot Transformer 提升图像生成细节和效率

    研究人员开发了 SpecSlot,一种新颖的像素空间生成 Transformer,旨在提高图像生成的效率和细节。该模型通过将空间锚点扩展到多个槽,每个槽处理 DCT 系数的不同频段,从而将输出细节与全局注意力序列的长度解耦。只有最低频段的槽参与全局注意力,而所有槽都进行局部交互,从而在不按比例增加计算成本的情况下提高频谱细节。SpecSlot 在 ImageNet 和 DPG-Bench 等基准测试中,与 JiT 等现有模型相比,在 …

  5. RESEARCH · CL_330885 ·

    SpecSlot 增强生成式 Transformer,以更少的计算量生成细节丰富的图像

    研究人员推出了一种新颖的像素空间生成式 Transformer 的分词方法 SpecSlot,旨在提高图像细节而不增加计算成本。该方法通过为分词分配特定的频谱输出角色,将输出细节与全局注意力序列的长度分离开来。低频分量处理全局注意力,而高频细节则在本地管理,从而在不扩大全局序列的情况下增加频谱细节。SpecSlot 在 ImageNet 和 DPG-Bench 等基准测试中表现出改进的性能,与现有方法相比,以更少的计算资源实现了相当或更好的结果。

  6. RESEARCH · CL_327422 ·

    新的“知而后画”范式提高了视觉生成效率

    研究人员引入了一种名为“知而后画”(Know, then Draw)的新型学习范式,它结合了用于语义理解的自回归预训练和用于视觉生成中高保真渲染的扩散后训练。这种混合方法旨在通过优化知识获取和像素渲染来高效生成高质量的文本到图像输出。研究发现,自回归预训练是下游渲染更有效的目标,提高了学习效率和最终图像质量。使用此范式训练的3B参数模型在GenEval和DPG-Bench等基准测试中取得了优异的成绩,并且显著减少了GPU使用时间。

  7. TOOL · CL_317583 ·

    ParaLin++ 加速扩散模型,质量无损 · arXiv 研究

    一篇新研究论文介绍了 ParaLin++,一种旨在加速扩散模型和流匹配模型的新型并行采样方法。虽然现有的无需训练的采样器在 FID 和 CLIP 等标准指标下通常能保持质量,但在更复杂的基准测试中,它们的性能可能会显著下降。ParaLin++ 通过保持全步长离散化同时加快求解器迭代速度来解决这个问题,在包括 Stable Diffusion-v2 和 FLUX.1-dev 在内的各种模型上展示了显著的加速效果,而不会损害生成质量。

  8. TOOL · CL_187461 ·

    MOSAIK框架通过自适应补丁大小提高图像生成效率

    研究人员开发了MOSAIK,一个旨在提高像素空间扩散模型中图像生成效率的新颖框架。该方法通过在不同图像区域和去噪步骤中动态调整补丁大小,解决了这些模型中高令牌数量带来的计算成本问题。MOSAIK采用一种损伤引导的方法,将更精细的补丁分配给敏感区域,将更粗糙的补丁分配给不太关键的区域,从而在保持竞争性能的同时显著降低了FLOPs和令牌数量。

  9. RESEARCH · CL_206595 ·

    流匹配模型在生成和效率方面得到增强 · 跟踪 5 个来源

    研究人员正在通过整合已知的物理原理和提高训练效率来推进流匹配模型在生成任务中的应用。一种方法,能量引导流匹配 (EG-FM),使用移动的终点和自适应调度来逐步揭示高频细节,在图像生成方面取得了最先进的 FID 分数。另一种方法,幅度-方向解耦 (MDD),通过使用轻量级模型进行幅度和方向引导来加速视频生成,在保持质量的同时显著提高了速度。此外,一种称为 StructFlow 的新技术将空间局部性编码到源分布中,从而实现了细粒度的局部编…

  10. TOOL · CL_118028 ·

    Mural通过Transformer混合模型将冻结的LLM集成到图像生成中

    研究人员开发了一种名为Mural的新方法,该方法将冻结的大型语言模型(LLM)与基于扩散的图像生成器集成。该方法利用Transformer混合模型(MoT)架构,在无需多模态训练数据或显式推理监督的情况下,将LLM知识迁移到文本到图像合成中。实验表明,Mural在GenEval和DPG-Bench等基准测试中取得了强劲的性能,并显著展现了跨语言图像生成和表情符号引导场景构建等新兴能力。

  11. TOOL · CL_117832 ·

    新的基准测试SciDraw-Bench评估AI生成科学图表的能力

    研究人员推出了SciDraw-Bench,一个旨在评估AI模型生成科学图表能力的全新基准测试。与侧重于自然图像的现有基准测试不同,SciDraw-Bench评估文本可读性、科学概念的准确描绘、结构连贯性以及对学科惯例的遵守程度。该基准测试包含跨越不同科学领域和图表类型的32项任务,并配有机器可检查的规范。初步评估表明,一个特定领域的系统SciDraw AI在所有维度上都显著优于通用文本到图像模型,尤其是在语义正确性和惯例遵守方面,尽管…

  12. RESEARCH · CL_99772 ·

    新的解码方法将图像生成速度提高了 13.3 倍

    研究人员开发了空间推测解码 (SSD),这是一个旨在加速自回归图像生成的新框架。该方法通过利用图像固有的二维空间局部性,解决了将图像视为一维序列所带来的计算瓶颈。SSD 同时预测相邻的水平和向下标记,从而在保持 DPG-Bench 和 GenEval 等基准测试的高保真度的同时,将推理速度提高了 13.3 倍。

  13. TOOL · CL_38000 ·

    新的CGPO框架提高了文生图生成的效率

    研究人员推出了一种新颖的自适应训练框架——课程组策略优化(CGPO),旨在提高文生图模型的效率。该方法通过动态优先考虑与模型当前学习阶段相符的提示,解决了均匀采样的局限性。CGPO利用单个提示生成的图像奖励的方差作为可学习性的指标,增加了具有更高方差的提示的采样概率。此外,还采用了一种类别校准技术来平衡不同数据类别之间的训练难度,从而在GenEval和T2I-CompBench++等基准测试中提高了性能。

  14. TOOL · CL_29245 ·

    AlphaGRPO框架通过自反思提升多模态AI生成能力

    研究人员推出AlphaGRPO,一个旨在改进统一多模态模型(UMMs)中多模态生成的新框架。该方法使用组相对策略优化(GRPO)使模型能够执行高级推理任务,例如推断文本到图像生成的用户意图并自我纠正输出。为了提供更好的监督,AlphaGRPO引入了一个分解可验证奖励(DVReward)系统,该系统将用户请求分解为由通用多模态大语言模型(MLLM)评估的可验证问题。实验表明,AlphaGRPO在各种多模态生成和编辑基准测试中显著提高了性能。

  15. TOOL · CL_29286 ·

    新的L2P框架迁移LDM知识以实现高效像素生成

    研究人员开发了一个名为Latent-to-Pixel (L2P) 的新框架,该框架能有效地将预训练的Latent Diffusion Models (LDM) 的知识迁移到强大的像素空间模型中。该方法通过冻结大部分源LDM并仅训练用于潜在空间到像素转换的浅层,避免了对大量计算资源和真实世界数据的需求。L2P利用LDM生成的合成图像作为其训练语料库,从而能够以最少的硬件实现快速收敛。该方法还消除了VAE瓶颈,能够原生生成超高分辨率图像。