Rae
PulseAugur coverage of Rae — every cluster mentioning Rae across labs, papers, and developer communities, ranked by signal.
1 天有情绪数据
-
新的SPAE框架改进了图像生成的潜在空间建模
研究人员开发了SPAE，一个旨在改进视觉基础模型（VFMs）的潜在空间建模以用于图像生成的新框架。现有的RAE等方法在光谱匹配方面面临挑战，特别是在Diffusion Transformer（DiT）生成的潜在表示的高频分量方面。SPAE通过使用瓶颈来提炼语义信息，同时减少高频分量，从而促进DiT和编码器潜在表示之间的更好对齐。该框架还采用通道级掩码来解耦跨通道的语义细节与高频信息，从而提高视觉理解、生成质量和重建保真度。
-
MixFlow训练方法通过解决暴露偏差来改进扩散模型
研究人员推出了一种名为MixFlow的新型训练方法，旨在减轻扩散模型中的暴露偏差。该方法利用源自慢流现象的“慢速插值混合”，其中更接近生成数据的真实插值对应于更高噪声的时间步长。在包括SiT、REPA和RAE模型在内的类别条件图像生成实验中，MixFlow均显示出有效性。值得注意的是，MixFlow应用于RAE模型在ImageNet上取得了强大的生成结果，在256x256和512x512分辨率下，引导下的FID分数低至1.10。
-
PixWorld 在像素空间统一 3D 场景生成与重建 · 已追踪 3 个来源
研究人员推出 PixWorld，这是一种新颖的统一扩散模型，可在像素空间框架内处理 3D 场景生成和重建。该方法通过直接监督渲染图像上的扩散并结合几何感知损失以增强 3D 结构意识，绕过了与潜在空间方法相关的信息丢失和局限性。PixWorld 与现有的潜在空间生成技术相比表现出卓越的性能，并匹配了最先进的重建方法，验证了其统一像素空间范例的有效性。
-
DiffusionBench 基准和 NanoGen 框架挑战图像生成评估
研究人员推出了 DiffusionBench，这是一个旨在全面评估用于图像生成的扩散 Transformer (DiTs) 的新基准。该基准强调，目前主要关注 ImageNet 上类别条件生成的评估方法，与文本到图像生成任务的性能相关性不佳。为了促进这种更广泛的评估，他们还开发了 NanoGen，这是一个用于训练和评估 DiTs 的统一框架，使得文本到图像生成在计算上可与基于 ImageNet 的评估相媲美。研究结果表明，在 Imag…