その他

新論文:iREPA拡散モデルはその基盤表現のレンダラーである。この新しい設定により、これらの表現の真の意味についてより明確な洞察が得られる

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

AI 要約

新論文:iREPA拡散モデルはその基盤表現のレンダラーである。この新しい設定により、これらの表現の真の意味についてより明確な洞察が得られる。Jasが自発的な探求を始め、過去3か月で多くを学んだ。ps. これは新しいタイプのオンライン「ウォータークーラー効果」に関する我々の小さな実験でもあり、この現象を見るのがとても好きだ。議論し、話し合い、そして真の努力でそれをまともな科学に変えよう。[引用 @1jaskiratsingh]:‼️ 表現は生成にとって重要だ!しかし、表現が生成をどのように助けるかについての我々の理解は常に間違っていたことが判明した ‼️ 我々の以前の考え:(間違っていた) ❌ より大きな視覚エンコーダ → より良い表現 → より良い生成 ❌ より良いグローバル意味 → より良い表現 → より良い生成 判明したこと: 🤯 表現アラインメントにおいて、20倍以上小さい視覚エンコーダがより大きなモデルと同程度またはそれ以上の性能を達成できる 🤯 線形プローブ精度約20%(グローバル意味の指標)の視覚エンコーダが精度>80%のエンコーダを上回ることができる 🤯 SiFTやHoGのような古典的特徴でさえ、現代のはるかに大きな視覚エンコーダに匹敵する改善をもたらす ‼️ 🚨 紹介:表現アラインメントに何が重要か?グローバル情報か空間構造か 🚨 TL;DR: ✅ より良いグローバル意味情報 ≠ より良い生成 ✅ 空間構造(グローバル意味ではなく)が表現の生成性能を駆動する ✅ 我々はiREPAを提案:わずか3行のコードで空間構造の転移を強調し、REPA、REPA-E、Meanflow、JiTなどの手法で収束速度を継続的に向上させる @AdobeResearchでの刺激的なプロジェクトで、@xingjian_leng、@zongze_wu、@LiangZheng_06、@rzhang88、@elishechtman、@sainingxieと協力 🙏 私にとってこれは特に楽しくユニークな経験でもあり、プロジェクトの各ステップで我々自身の偏見が間違っていることを証明した 😆 @YouJiacheng、@ShumingHu、@gallabytesにも大いに感謝。彼らのXでのコメントがこの方向の探求を始めるきっかけとなった 🫡 論文:https://arxiv.org/abs/2512.10794 コード:https://github.com/End2End-Diffusion/iREPA プロジェクトページ:https://end2end-diffusion.github.io/irepa 詳細はスレッドで:[1/n] 🧵

要点

  • 新論文:iREPA拡散モデルはその基盤表現のレンダラーである。
  • この新しい設定により、これらの表現の真の意味についてより明確な洞察が得られる。
  • Jasが自発的な探求を始め、過去3か月で多くを学んだ。
  • これは新しいタイプのオンライン「ウォータークーラー効果」に関する我々の小さな実験でもあり、この現象を見るのがとても好きだ。
  • 議論し、話し合い、そして真の努力でそれをまともな科学に変えよう。

概要

公開日時
更新日時
出典
X:谢赛宁 (@sainingxie)
カテゴリ
その他
原文を読む 情報源で全文を読む
おすすめの理由

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

出典と著作権

本記事は AIHOT の公開 API が提供する厳選タイトルと AI 要約に基づいており、出典の明記と元記事へのリンクを行っています。原文の著作権は元の媒体と著者に帰属し、当サイトは全文を転載しません。

原文記事 · AIHOT 記事

引用方法

本記事を引用する際は、タイトル・日付・パーマリンクを保持し、出典をOrange Newsと明記してください。

Orange News:新論文:iREPA拡散モデルはその基盤表現のレンダラーである。この新しい設定により、これらの表現の真の意味についてより明確な洞察が得られる。2025年12月16日。https://new.nat6.net/ja/news/cmnz6dpf402amsl0fxz3kh21f/

すべて見る →
  • CUGAがHugging Faceに登場:設定可能な汎用AIエージェントを普及

    オープンソースの設定可能な汎用エージェントCUGAはHugging Face Spacesに統合され、開発者が手軽に実験できるようになった。このエージェントは複雑なタスクのベンチマークで卓越した性能を示し、457のAPIと750の実タスク…

    Hugging Face 社区博客(混合发现)その他AI スコア 83

  • xAIがGrok Voice Agent APIを発表

    xAIはGrok Voice Agent APIを公開した。自社開発の音声スタック(VAD、tokenizer、音声モデル)に基づき、Big Bench Audioベンチマークで首位、初回音声遅延は1秒未満(競合製品より約5倍高速)、価格…

    xAI:News(网页)その他

  • llama.cppサーバーにマルチモデル管理機能を追加

    llama.cppサーバーにOllama類似のマルチモデル管理機能が追加された。この機能はマルチプロセスアーキテクチャを採用し、各モデルが独立して動作するため、単一モデルのクラッシュが他のサービスに影響しない。ローカルのGGUFモデルファ…

    Hugging Face 社区博客(混合发现)その他AI スコア 76

  • Gemini 3 Flash:スピードのために設計されたフロンティア知能

    Gemini 3 Flash が正式にリリースされ、利用コストを大幅に削減しながらフロンティア級の知能を提供する。超高速推論性能を特徴とし、迅速な応答を必要とする AI アプリケーションに高コストパフォーマンスな選択肢を提供する。

    Google DeepMind:Blog(RSS)その他

  • Anthropic 調査:2026 年の企業 AI エージェント活用動向

    Anthropic が Material とともに 500 人以上の技術リーダーを調査したところ、57% の企業が AI エージェントを多段階ワークフローに活用し、16% が部門横断的な展開を実現していることが分かった。コーディングが中核…

    Claude:Blog(网页)その他

  • Transformers v5のトークン化:よりシンプル、明確、モジュール化

    Transformers v5は新しいトークン化処理アーキテクチャを公開した。中核となる変化は、よりシンプルで統一されたAPI設計を導入し、トークナイザー、ポストプロセッサー、デコーダーをモジュール化したことである。新バージョンは多数のレ…

    Hugging Face 社区博客(混合发现)その他AI スコア 73