实体
Inpainting
Inpainting
PulseAugur coverage of Inpainting — every cluster mentioning Inpainting across labs, papers, and developer communities, ranked by signal.
总计 · 30天
3
90 天内 3
发布 · 30天
0
90 天内 0
论文 · 30天
3
90 天内 3
层级分布 · 90 天
主题
情绪 · 30 天
3 天有情绪数据
最近 · 第 1/1 页 · 共 3 条
-
新的量化方法增强视觉自回归模型
研究人员开发了一种新的训练后量化（PTQ）框架，该框架专门为视觉自回归模型（VAR）设计。该框架解决了两个主要挑战：注意力值乘积的高重建误差以及校准数据采样频率与预测概率之间的不匹配。提出的解决方案包括一种移位求和量化方法和一种校准数据的重采样策略，这些方法共同提高了各种图像生成任务的性能。
-
研究统一了贝叶斯逆问题的驱动先验
一篇新的研究论文提出了一个统一的框架，用于将各种数据驱动的先验集成到贝叶斯逆问题中。该研究展示了如何通过得分函数统一各种先验，包括去噪正则化、基于归一化流的先验和基于得分的生成模型。这种方法允许有效地集成到提出的采样算法中，并在图像修复和超分辨率任务中得到实验验证。
-
图像修复研究揭示奖励模型偏差
研究人员利用直接偏好优化框架和公开可用的奖励模型，重新审视了图像修复的首选项对齐。他们的研究表明，虽然大多数奖励模型提供了有效的信号，但一些模型在亮度、构图和颜色方面存在偏差，导致奖励破解。这些奖励模型的集成有效地缓解了这些偏差，在标准指标和人类评估方面均取得了改进的性能，甚至显示出对物体移除任务的可迁移性。