实体
SD3.5M
SD3.5M
PulseAugur coverage of SD3.5M — every cluster mentioning SD3.5M across labs, papers, and developer communities, ranked by signal.
总计 · 30天
0
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
0
90 天内 2
层级分布 · 90 天
主题
最近 · 第 1/1 页 · 共 2 条
-
新的截断跳跃采样（Truncated Jump Sampling）在无需重新训练的情况下加速了 AI 图像生成
研究人员引入了一种名为截断跳跃采样（Truncated Jump Sampling, TJS）的新颖方法，用于加速扩散模型和流匹配模型中的生成过程。该技术基于“端点可解码性”和“x-prediction”的概念，通过在更早的时间点停止 ODE 过程并解码干净样本来实现更快的采样。TJS 无需额外的训练或架构更改，在 SDXL 和 SD3.5M 等各种模型上显著减少了神经函数评估（NFEs），同时保持了接近匹配的质量。
-
TrioPose框架通过扩散Transformer增强了多人图像生成
研究人员开发了TrioPose，一种用于姿态引导的文本到图像生成的新型框架，解决了复杂多人场景中的挑战。TrioPose基于SD3.5M架构，利用三流姿态感知DiT将姿态视为一种独立的模态，确保稳定性的同时强制执行几何约束。它还引入了可学习的关系偏置掩码来处理遮挡，以及姿态引导的空间损失加权策略来将监督集中在有问题的区域。实验表明，TrioPose在Human-Art、CrowdPose和OCHuman等基准测试中显著优于现有方法，在…