SD3.5-Medium
PulseAugur coverage of SD3.5-Medium — every cluster mentioning SD3.5-Medium across labs, papers, and developer communities, ranked by signal.
2 天有情绪数据
-
LC-GRPO框架弥合了基于流的生成模型中的训练-推理鸿沟
研究人员推出了一种新颖的基于流的生成模型框架LC-GRPO，该框架解决了训练和推理采样之间的差异。通过在ODE欧拉步后加入Langevin校正步，LC-GRPO旨在减少Wasserstein误差并提高随机训练滚动的准确性。该方法在包括SD3.5-Medium、FLUX.1-Dev和HunyuanVideo等模型在内的各种文本到图像和文本到视频任务中，在奖励优化和生成质量方面均取得了持续改进。
-
新框架增强AI模型蒸馏，解决异构性和虚假信号问题
研究人员开发了几个新的策略内蒸馏（OPD）框架，以提高AI模型的能力。Any-OPD通过使用共享的视觉表示，实现了不同模型家族之间的蒸馏，成功地将一个较小的模型提升到可以与较大的教师模型相媲美。SA-OPD通过基于输入接地性过滤误导性监督，解决了OPD中的虚假信号问题，在LLM和VLM设置中表现优于标准方法。Poly-OPD将多个异构教师模型的互补优势整合到一个学生模型中，提高了在各种基准测试上的性能。PG-OPD通过根据早期前缀兼容…
-
新的基准 Arena-T2I Hard 测试了文本到图像在复杂提示上的忠实度
研究人员推出了 Arena-T2I Hard，这是一个旨在评估文本到图像模型在复杂、多方面提示上的忠实度的新基准。该基准包含 310 个源自实际使用的提示，将请求分解为大约 30 个特定约束，解决了现有基准使用更简单指令的局限性。评估显示 11 个系统之间存在显著的性能差距，最强的闭源模型得分为 0.855，凸显了对更鲁棒的忠实度测试的需求。该论文还提出了一种依赖感知检查表奖励系统和一种组解耦归一化技术，以改进 SD3.5-Mediu…
-
新方法解决文本到图像AI中的概念遗漏问题
研究人员在多模态扩散 Transformer (MM-DiTs) 中发现了一种称为概念遗漏的现象，即指定的对象或属性未在图像中生成。他们发现文本嵌入中存在一个“遗漏信号”，表明目标概念的缺失。为解决此问题，他们开发了遗漏信号干预 (OSI) 方法，该方法通过放大此信号来鼓励生成缺失的元素。在 FLUX.1-Dev 和 SD3.5-Medium 上的实验表明，OSI 能有效减少概念遗漏，即使在具有挑战性的情况下也是如此。
-
新框架 HoloFair 解决文本到图像模型中的偏见问题
研究人员推出 HoloFair，这是一个用于评估和缓解文本到图像生成模型中偏见的新框架。该框架包含一个大规模数据集和一个名为多属性、分组偏见指数 (MGBI) 的指标，用于评估各种人口统计学偏见。此外，他们开发了 Fair-GRPO，一种强化学习方法，使用多目标奖励函数来提高公平性，同时不牺牲图像质量，这在 SD3.5-Medium 模型上得到了验证。