实体
Latent-to-Pixel (L2P)
Latent-to-Pixel (L2P)
PulseAugur coverage of Latent-to-Pixel (L2P) — every cluster mentioning Latent-to-Pixel (L2P) across labs, papers, and developer communities, ranked by signal.
总计 · 30天
2
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
2
90 天内 2
层级分布 · 90 天
时间线
- 2026-05-12 research_milestone Publication of a new framework for efficient pixel generation by transferring knowledge from pre-trained Latent Diffusion Models. 来源
- 2026-05-03 research_milestone Researchers introduced the Latent-to-Pixel (L2P) transfer paradigm for efficient pixel-space diffusion model generation. 来源
情绪 · 30 天
2 天有情绪数据
最近 · 第 1/1 页 · 共 2 条
-
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。
-
新的L2P方法支持用更少的数据实现高分辨率像素扩散
研究人员开发了一种名为Latent-to-Pixel (L2P) 的新迁移学习方法，该方法能够以显著降低的计算和数据需求，实现高质量像素空间扩散模型的创建。L2P利用预训练的Latent Diffusion Models (LDMs)，冻结其大部分层，仅训练浅层以学习从潜在空间到像素空间的转换。这种方法能够生成原生的4K超高分辨率图像，并在DPG-Bench和GenEval等基准测试中，使用最少的GPU资源，达到了与原始LDMs相当的性能。