Stable Diffusion 3.5
PulseAugur coverage of Stable Diffusion 3.5 — every cluster mentioning Stable Diffusion 3.5 across labs, papers, and developer communities, ranked by signal.
1 天有情绪数据
-
新方法通过推测性采样技术加速人工智能推理 · 已追踪 2 个来源
两篇新的研究论文介绍了加速人工智能模型推理的方法。第一篇，Rank-Aware Speculative Sampling (RASS)，通过对候选草稿进行排名并优化其选择以最小化与目标模型输出的差异，改进了现有基于树的推测性采样技术在扩散模型上的应用。在匹配的计算预算下，RASS 在 CIFAR-10 上的速度比 Diffusion Greedy Rejection Sampling (D-GRS) 快高达 20%。第二篇论文提出了 …
-
新框架可准确归因合成图像，区分 Stable Diffusion 版本
研究人员开发了一种新颖的合成图像归因框架，在挑战性数据集上实现了高精度。他们的方法结合了多种人工智能架构，包括 FFT-ConvNeXt、DINOv2、CLIP 和 Xception，从频率、语义和取证等不同角度分析图像。为了提高对图像操纵的鲁棒性，他们采用了模拟真实世界后处理的广泛数据增强。该框架通过采用专用的二元分类器和类自适应置信度校准，专门解决了 Stable Diffusion 3 和 Stable Diffusion 3.…
-
生成式AI将RGB转换为红外图像，以改进无人机车辆检测
研究人员探索了使用生成式AI模型将RGB图像转换为红外（IR）图像，以改进无人机（UAV）域中车辆检测的性能，尤其是在真实红外数据稀缺的情况下。通过在配对的RGB-IR源数据集上训练翻译模型，并将其应用于来自未知目标域的RGB图像，他们生成了合成的红外数据。然后，使用这些合成数据训练车辆检测器，其中利用ControlNet的Stable Diffusion 3.5在Kust4K和VTUAV等数据集上显示出最有希望的结果，与基线方法相比…
-
新研究探索扩散模型在图像和视频生成方面的进展 · 跟踪9个来源
arXiv上发布的多篇研究论文探讨了扩散模型在图像和视频生成方面的进展。这些研究引入了新颖的技术，例如用于矢量扩散图的地标约束加速、用于图像增强的张量基泛函以及用于非线性扩散滤波的通道表示。其他论文侧重于提高扩散模型的效率和泛化能力，包括快速采样、弹性令牌压缩以及用于像素空间生成的航点扩散变换器等方法。此外，研究还通过候选回收和用于时空对齐图像转换的离散扩散桥来解决视频扩散模型的测试时缩放问题。
-
Amazon SageMaker SDK v3 简化自定义模型部署
Amazon SageMaker 发布了其 Python SDK 的 3.0 版本，为将自定义模型和代码引入其 AI 平台引入了简化的工作流程。新 SDK 用统一的 ModelTrainer 和 ModelBuilder 类取代了特定于框架的估计器，从而简化了训练和部署过程。一个关键特性是 SourceCode 配置对象，它允许在运行时将本地代码同步到容器中，从而无需重新构建容器即可实现更快的迭代，并提供对容器环境的完全控制。
-
新研究探索用于生成、鲁棒性和速度的高级扩散模型
研究人员正在为各种应用开发高级扩散模型，包括图像生成、时间序列合成和自然语言处理。Simplax 等新方法旨在通过使用辅助变量增强状态来改进分类生成，而 PhysDGM 将物理定律嵌入扩散模型中，用于动态系统中的真实时间序列数据合成。其他进展侧重于通过梯度掩蔽和空间压缩等技术增强扩散模型的对抗鲁棒性，并使用新颖的预测方法加速扩散 Transformer 的推理速度。此外，正在探索用于扩散模型更快采样以及开发平衡准确性和并行性的扩散大语…
-
Signed Rectified Flow 实现负约束AI生成
研究人员推出了一种新颖的生成模型技术——Signed Rectified Flow (Signed RF)，它通过针对有符号测度来扩展Rectified Flow。该方法允许在抑制不需要的分布的同时促进期望的分布，为整合负面信息和排除约束提供了一种原则性的方法。Signed RF在ImageNet上的图像生成保真度和多样性方面有所提高，在反记忆测试中降低了相似性，并在Stable Diffusion 3.5中减少了不希望的内容生成，同…
-
视觉Transformer线性化，通过TTT实现更快的推理速度
研究人员开发了一种方法，将预训练的视觉Transformer模型转换为线性复杂度的测试时训练（TTT）架构。该方法对齐了架构和表示属性，允许从Softmax注意力模型高效地迁移权重。通过将此方法应用于Stable Diffusion 3.5，他们创建了SD3.5-T^5，该模型在经过少量微调后，实现了相当的图像质量和显著更快的推理速度。
-
通过测试时训练实现视觉 Transformer 的线性化
研究人员开发了一种方法，使用测试时训练（TTT）将预训练的 Softmax 注意力模型适配到线性复杂度架构。该方法通过关注架构和表示的对齐来解决不同注意力机制之间的表示差距。该技术应用于 Stable Diffusion 3.5，产生了一个新模型 SD3.5-T$^5$，该模型在仅一小时的微调后，以显著更快的推理速度实现了可比的图像质量。