Lainnya

Makalah baru: model difusi iREPA adalah perender representasi dasarnya. Dengan pengaturan baru ini...

Judul asli:new paper: iREPA diffusion models are a renderer of their underlying representations. with this new...

Ringkasan AI

Makalah baru: model difusi iREPA adalah perender representasi dasarnya. Dengan pengaturan baru ini, kita dapat memperoleh wawasan lebih jelas tentang makna sebenarnya representasi tersebut. Jas memulai eksplorasi spontan, dan selama tiga bulan terakhir kami belajar banyak. ps. Ini juga eksperimen kecil kami tentang "efek pendingin air" daring jenis baru, dan saya senang melihat fenomena ini. Mari berdebat, berdiskusi, lalu mengubahnya menjadi sains sungguhan dengan kerja keras nyata [Mengutip @1jaskiratsingh]: ‼️ Representasi penting untuk generasi! Namun ternyata pemahaman kita tentang bagaimana representasi membantu generasi selama ini salah ‼️ Pemikiran kami sebelumnya: (kami salah) ❌ Encoder visual lebih besar → representasi lebih baik → generasi lebih baik ❌ Semantik global lebih baik → representasi lebih baik → generasi lebih baik Ternyata: 🤯 Dalam hal keselarasan representasi, encoder visual yang 20 kali lebih kecil dapat mencapai performa serupa atau lebih baik daripada model yang lebih besar 🤯 Encoder visual dengan akurasi probing linear sekitar 20% (metrik semantik global) dapat mengalahkan encoder dengan akurasi >80% 🤯 Bahkan fitur klasik seperti SiFT dan HoG dapat memberikan peningkatan yang sebanding dengan encoder visual modern yang jauh lebih besar ‼️ 🚨 Perkenalan: Apa yang penting untuk keselarasan representasi? Informasi global atau struktur spasial 🚨 TL;DR: ✅ Informasi semantik global yang lebih baik ≠ generasi lebih baik ✅ Struktur spasial (bukan semantik global) mendorong performa generasi representasi ✅ Kami mengusulkan iREPA: hanya 3 baris kode, menekankan transfer struktur spasial, dan secara konsisten meningkatkan kecepatan konvergensi pada metode seperti REPA, REPA-E, Meanflow, JiT. Proyek menarik di @AdobeResearch, bersama @xingjian_leng, @zongze_wu, @LiangZheng_06, @rzhang88, @elishechtman, dan @sainingxie 🙏 Bagi saya ini juga pengalaman yang sangat menarik dan unik, di setiap langkah proyek kami membuktikan bias kami sendiri salah 😆 Terima kasih juga kepada @YouJiacheng, @ShumingHu, dan @gallabytes, komentar mereka di X memulai eksplorasi arah ini 🫡 Makalah: https://arxiv.org/abs/2512.10794 Kode: https://github.com/End2End-Diffusion/iREPA Halaman proyek: https://end2end-diffusion.github.io/irepa Detail lebih lanjut di thread: [1/n] 🧵

Poin utama

  • Makalah baru: model difusi iREPA adalah perender representasi dasarnya.
  • Dengan pengaturan baru ini,kita dapat memperoleh wawasan lebih jelas tentang makna sebenarnya…
  • Jas memulai eksplorasi spontan,dan selama tiga bulan terakhir kami belajar banyak.
  • Ini juga eksperimen kecil kami tentang "efek pendingin air" daring jenis baru,dan saya senang…
  • Mari berdebat,berdiskusi,lalu mengubahnya menjadi sains sungguhan dengan kerja keras nyata…

Ringkasan cepat

Waktu terbit
Waktu diperbarui
Sumber
X:谢赛宁 (@sainingxie)
Kategori
Lainnya
Baca aslinya Baca artikel lengkap di sumber aslinya
Alasan rekomendasi

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

Sumber dan hak cipta

Artikel ini disusun berdasarkan judul pilihan dan ringkasan AI dari API publik AIHOT, dengan sumber yang dicantumkan dan tautan balik; hak cipta konten asli milik media dan penulis aslinya, situs ini tidak menyalin artikel secara penuh.

Tautan asli · Entri AIHOT

Cara mengutip

Saat mengutip artikel ini, sertakan judul, tanggal, dan tautan permanen, serta cantumkan sumber Orange News.

Orange News: Makalah baru: model difusi iREPA adalah perender representasi dasarnya. Dengan pengaturan baru ini.... 16 Desember 2025. https://new.nat6.net/id/news/cmnz6dpf402amsl0fxz3kh21f/

Lihat semua →