实体
x-prediction
x-prediction
PulseAugur coverage of x-prediction — every cluster mentioning x-prediction 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。
-
PixelU Transformer 提供高效的端到端像素扩散
研究人员推出 PixelU，这是一种新颖的 U 型扩散 Transformer，专为高效的端到端像素扩散而设计。该模型通过关注 $x$-预测范式而非 $v$-预测，挑战了像素空间扩散中复杂解码器的必要性。PixelU 利用零成本跳跃连接直接路由高频细节，并采用恒定通道空间下采样机制来分离低频语义。在 ImageNet 上的实验表明，PixelU 在计算成本显著降低的情况下，取得了与现有方法相比具有竞争力的 FID 分数。