ImageNet-256
PulseAugur coverage of ImageNet-256 — every cluster mentioning ImageNet-256 across labs, papers, and developer communities, ranked by signal.
2 天有情绪数据
-
Momentum Guidance 提升流模型图像生成质量
研究人员推出了一种名为 Momentum Guidance (MG) 的新技术，旨在提升流模型生成的图像质量。MG 通过在 ODE 轨迹上推断当前速度来工作，在保持每步标准计算成本（一次评估）的同时提高了样本质量。该方法在 ImageNet-256 等基准测试中，在 Fréchet inception distance (FID) 等指标上取得了显著改进，并证明了其在应用于 Stable Diffusion 3 和 FLUX.1-de…
-
新的DEFAR框架解决了Flow Matching模型中的暴露偏差问题
研究人员推出了一种名为DEFAR（DirEctional-Frequency Adaptive Rectification）的新型框架，旨在解决Flow Matching生成模型中的暴露偏差问题。该方法利用偏差本身在训练过程中模拟单步推理来指导其自身的纠正。DEFAR包含反漂移纠正（ADR）以将偏离的状态引导回目标，以及频率补偿（FC）以增强缺失的低频分量。在CIFAR-10和ImageNet等数据集上的实验证明了DEFAR的有效性和可扩展性。
-
新方法剪枝VLM标记以提高效率和相关性
研究人员开发了一种名为“结构到语义”（STS）的新方法，以提高视觉语言模型（VLM）的效率。目前用于剪枝视觉标记（以减少计算负载）的方法通常仅依赖于注意力分数，这会导致重要上下文细节的丢失。STS通过一个两阶段过程来解决这个问题：首先，它最大化空间和结构多样性；其次，它根据与提示的语义相关性来过滤标记。这种方法旨在保留更多样化和相关的信息，以实现更好的任务对齐。
-
基于Transformer的生成对抗网络在图像生成方面达到最先进水平
研究人员开发了一种名为GAT的新型生成对抗网络（GAN）架构，该架构利用Transformer并在紧凑的变分自编码器潜在空间内进行训练。这种方法解决了GAN的可扩展性挑战，提高了计算效率和感知保真度。该研究识别并解决了诸如生成器层利用不足和扩展过程中的优化不稳定性等问题，从而实现了跨不同容量的可靠训练。
-
新的CAT方法通过跨尺度对齐改进GAN训练
研究人员引入了一种名为CAT（Cross-scale Aligned Transformer）的新方法，以改进生成对抗网络（GAN）的训练。该技术解决了多阶段GAN中中间输出可能失准的问题，导致不同尺度的样本生成不一致。CAT强制中间输出和最终输出之间的一致性，从而实现更准确、更高效的图像合成。在ImageNet-256上的实验中，CAT在仅60个训练周期后实现了单步推理的FID-50K分数1.56，超越了现有的GAN、扩散和流模型。
-
新方法提升AI可解释性和图像生成效率
研究人员推出了一种名为“对齐训练”的新型无参数方法，以提高稀疏自编码器（SAE）的质量和稳定性，SAE是用于解释深度神经网络的技术。该方法无需额外数据或复杂的训练程序即可解决未使用特征和不稳定性等问题。此外，还开发了一种名为RAEv2的新方法来改进表示自编码器（RAE），RAE与预训练的视觉编码器结合使用。RAEv2简化了设计选择，并在图像生成任务中取得了最先进的成果，收敛速度显著加快。
-
新的DRoRAE方法通过融合多层特征增强视觉标记
研究人员开发了一种名为DRoRAE（Depth-Routed Representation AutoEncoder）的新方法，通过融合冻结的预训练视觉编码器的多层特征来改进视觉标记。现有方法通常只使用最后一层，丢弃了宝贵的层次信息。DRoRAE采用了一个轻量级的融合模块，可以自适应地聚合编码器所有层的特征，从而在ImageNet-256等数据集上显著提高重建和生成质量。这种方法还展示了融合容量与重建质量之间可预测的缩放规律，为增强视觉…
-
PixelGen论文引入感知监督以提升像素扩散图像生成
研究人员推出PixelGen，一个新颖的端到端像素扩散框架，旨在提高图像生成质量。PixelGen整合了感知损失，特别是用于局部纹理的LPIPS和用于全局语义的P-DINO，以改进标准的像素级扩散方法。通过在较低噪声时间步长选择性地应用这些损失，该框架在ImageNet-256上取得了最先进的成果，并展示了文本到图像生成的效率。