PulseAugur
中
实时 20:14:58
实体 SiT-XL/2

SiT-XL/2

PulseAugur coverage of SiT-XL/2 — every cluster mentioning SiT-XL/2 across labs, papers, and developer communities, ranked by signal.

Show in brief
总计 · 30天
2
90 天内 5
发布 · 30天
0
90 天内 0
论文 · 30天
2
90 天内 5
层级分布 · 90 天
主题
最近 · 第 1/1 页 · 共 5 条
  1. TOOL · CL_300597 ·

    TraceSampler 方法以最小的开销纠正生成式采样错误

    研究人员开发了 TraceSampler,这是一种新颖的训练后方法,旨在纠正连续时间生成模型中的采样错误。该技术将端点误差建模为特定于样本的预测问题,使用从采样轨迹派生的紧凑表示来预测和纠正这些错误。在 CIFAR-10、ImageNet-256 以及使用 SD3.5 Medium 进行文本到图像生成上的评估表明,与传统方法相比,轨迹均方误差显著降低,生成质量得到改善,且模型评估次数大大减少。

  2. TOOL · CL_294746 ·

    CoVA框架通过组合VAE特征提升扩散Transformer训练

    研究人员开发了CoVA,一个旨在增强生成式学习扩散Transformer训练的新型框架。CoVA组合了变分自编码器(VAE)的特征,提供分阶段的指导,从而改善语义辨别和空间结构。该方法显著减少了训练时间和计算开销,并在ImageNet上取得了最先进的成果。

  3. TOOL · CL_218826 ·

    新的 ZID 指标为生成模型提供改进的评估

    研究人员推出了一种新的生成模型评估指标 ZID(Z-resolved Integrated Diagnostic),旨在改进现有的指标,如 Fréchet Inception Distance (FID) 和 Kernel Inception Distance (KID)。ZID 解决了 FID 和 KID 的局限性,例如它们无法检测前两个矩之外的分布差异,并且对离散度变化的方向不敏感。新指标结合了来自秩图和高斯核的六个标准化臂,提供…

  4. RESEARCH · CL_41789 ·

    新的路由方法提高了扩散 Transformer 的训练效率

    研究人员开发了扩散自适应路由(DAR),一种改进扩散 Transformer(DiT)中信息流的新方法。通过分析跨层信息动态,他们发现了传统残差连接中的低效率。DAR 提供了一种可学习的、与时间步自适应的聚合方法,提高了训练效率和模型质量,在 ImageNet 上以更少的训练迭代次数取得了更好的 FID 分数。

  5. RESEARCH · CL_14043 ·

    流匹配研究在效率、控制和应用方面取得进展

    近期研究探索了流匹配(一种生成建模技术)的进展。几篇论文介绍了提高其效率、可控性和在不同数据类型上应用的新方法。创新包括解决“速度亏损”以实现更快的图像生成,开发用于多参数动力学的路径无关流匹配,以及通过参考引导适应实现可控生成。进一步的工作将流匹配扩展到材料科学和离散数据生成,同时还研究了其理论基础和缩放特性。