DPG Bench
PulseAugur coverage of DPG Bench — every cluster mentioning DPG Bench across labs, papers, and developer communities, ranked by signal.
1 天有情绪数据
-
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。
-
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…
-
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。
-
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…
-
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。
-
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。
-
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。
-
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。