नया पेपर: iREPA डिफ्यूज़न मॉडल अपने अंतर्निहित प्रतिनिधित्व के रेंडरर हैं
मूल शीर्षक:new paper: iREPA diffusion models are a renderer of their underlying representations. with this new...
AI सारांश
नया पेपर: iREPA डिफ्यूज़न मॉडल अपने अंतर्निहित प्रतिनिधित्व के रेंडरर हैं। इस नई व्यवस्था से हम इन प्रतिनिधित्वों के वास्तविक अर्थ को अधिक स्पष्ट रूप से समझ सकते हैं। Jas ने एक स्वतःस्फूर्त खोज शुरू की, और पिछले तीन महीनों में हमने बहुत कुछ सीखा। पुनश्च: यह एक नई प्रकार की ऑनलाइन 'वॉटर कूलर इफ़ेक्ट' पर हमारा छोटा प्रयोग भी है, और मुझे यह घटना देखना बहुत पसंद है। आइए बहस करें, चर्चा करें, और फिर वास्तविक मेहनत से इसे गंभीर विज्ञान में बदलें। [@1jaskiratsingh का हवाला]: ‼️ प्रतिनिधित्व जनरेशन के लिए महत्वपूर्ण हैं! लेकिन यह पता चला कि प्रतिनिधित्व जनरेशन में कैसे मदद करते हैं, इसकी हमारी समझ हमेशा से गलत थी ‼️ हमारी पिछली धारणा: (हम गलत थे) ❌ बड़ा विज़न एनकोडर → बेहतर प्रतिनिधित्व → बेहतर जनरेशन ❌ बेहतर वैश्विक सिमैंटिक्स → बेहतर प्रतिनिधित्व → बेहतर जनरेशन नतीजा: 🤯 प्रतिनिधित्व संरेखण में 20 गुना से अधिक छोटे विज़न एनकोडर बड़े मॉडलों के समान या बेहतर प्रदर्शन कर सकते हैं 🤯 लगभग 20% लीनियर प्रोबिंग सटीकता (वैश्विक सिमैंटिक्स का मापक) वाले विज़न एनकोडर 80% से अधिक सटीकता वाले एनकोडर को मात दे सकते हैं 🤯 SiFT और HoG जैसे क्लासिक फ़ीचर भी आधुनिक बड़े विज़न एनकोडर के बराबर सुधार ला सकते हैं ‼️ 🚨 परिचय: प्रतिनिधित्व संरेखण में क्या महत्वपूर्ण है? वैश्विक जानकारी या स्थानिक संरचना 🚨 TL;DR: ✅ बेहतर वैश्विक सिमैंटिक जानकारी ≠ बेहतर जनरेशन ✅ स्थानिक संरचना (न कि वैश्विक सिमैंटिक्स) प्रतिनिधित्व के जनरेशन प्रदर्शन को संचालित करती है ✅ हम iREPA प्रस्तावित करते हैं: केवल 3 पंक्तियों के कोड में स्थानिक संरचना स्थानांतरण पर ज़ोर, और REPA, REPA-E, Meanflow, JiT आदि विधियों पर लगातार अभिसरण गति बढ़ाता है @AdobeResearch में रोमांचक परियोजना, @xingjian_leng, @zongze_wu, @LiangZheng_06, @rzhang88, @elishechtman और @sainingxie के साथ सहयोग 🙏 मेरे लिए यह विशेष रूप से मज़ेदार और अनोखा अनुभव भी रहा, परियोजना के हर चरण में हम अपने पूर्वाग्रहों को गलत साबित करते रहे 😆 @YouJiacheng, @ShumingHu और @gallabytes को भी बड़ा धन्यवाद, जिनकी X पर टिप्पणियों ने इस दिशा की खोज शुरू की 🫡 पेपर: https://arxiv.org/abs/2512.10794 कोड: https://github.com/End2End-Diffusion/iREPA प्रोजेक्ट पेज: https://end2end-diffusion.github.io/irepa अधिक विवरण थ्रेड में: [1/n] 🧵
मुख्य जानकारी
- नया पेपर: iREPA डिफ्यूज़न मॉडल अपने अंतर्निहित प्रतिनिधित्व के रेंडरर हैं। इस नई व्यवस्था से हम इन…
- लेकिन यह पता चला कि प्रतिनिधित्व जनरेशन में कैसे मदद करते हैं,इसकी हमारी समझ हमेशा से गलत थी ‼️…
- वैश्विक जानकारी या स्थानिक संरचना 🚨 TL
- DR: ✅ बेहतर वैश्विक सिमैंटिक जानकारी ≠ बेहतर जनरेशन ✅ स्थानिक संरचना (न कि वैश्विक सिमैंटिक्स)…
एक नज़र में
- प्रकाशन समय
- अपडेट समय
- स्रोत
- X:谢赛宁 (@sainingxie)
- श्रेणी
- अन्य
颠覆认知:小20倍视觉编码器也能驱动高质量生成,空间结构才是关键
स्रोत और कॉपीराइट
यह लेख AIHOT के सार्वजनिक API की चयनित सुर्खियों और AI सारांशों के आधार पर तैयार किया गया है, स्रोत का उल्लेख और लिंक दिया गया है; मूल पाठ का कॉपीराइट मूल मीडिया और लेखक के पास है, यह साइट पूरा पाठ मिरर नहीं करती।
उद्धरण कैसे दें
इस लेख का उद्धरण देते समय शीर्षक, तिथि और स्थायी लिंक बनाए रखें और स्रोत Orange News बताएं।
Orange News: नया पेपर: iREPA डिफ्यूज़न मॉडल अपने अंतर्निहित प्रतिनिधित्व के रेंडरर हैं। 16 दिसंबर 2025। https://new.nat6.net/hi/news/cmnz6dpf402amsl0fxz3kh21f/