Lain-lain

Kertas baharu: model penyebaran iREPA ialah penyampai representasi asasnya. Dengan tetapan baharu ini...

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

Ringkasan AI

Kertas baharu: model penyebaran iREPA ialah penyampai representasi asasnya. Dengan tetapan baharu ini, kita dapat memahami dengan lebih jelas makna sebenar representasi tersebut. Jas memulakan penerokaan spontan, dan kami telah belajar banyak dalam tiga bulan lalu. P.S. Ini juga eksperimen kecil kami tentang sejenis 'kesan mesin air minuman' dalam talian yang baharu, dan saya suka melihat fenomena ini. Mari berdebat, berbincang, kemudian ubahnya menjadi sains yang serius dengan usaha sebenar. [Memetik @1jaskiratsingh]: ‼️ Representasi penting untuk penjanaan! Tetapi ternyata pemahaman kita tentang cara representasi membantu penjanaan selama ini salah ‼️ Idea kami sebelum ini: (kami silap) ❌ Pengekod visual lebih besar → representasi lebih baik → penjanaan lebih baik ❌ Semantik global lebih baik → representasi lebih baik → penjanaan lebih baik Ternyata: 🤯 Dalam penjajaran representasi, pengekod visual 20 kali lebih kecil mampu mencapai prestasi serupa atau lebih baik daripada model lebih besar 🤯 Pengekod visual dengan ketepatan siasatan linear sekitar 20% (ukuran semantik global) mampu mengatasi pengekod dengan ketepatan >80% 🤯 Malah ciri klasik seperti SiFT dan HoG mampu memberikan peningkatan setanding pengekod visual moden yang jauh lebih besar ‼️ 🚨 Pengenalan: Apakah yang penting untuk penjajaran representasi? Maklumat global atau struktur spatial 🚨 TL;DR: ✅ Maklumat semantik global lebih baik ≠ penjanaan lebih baik ✅ Struktur spatial (bukan semantik global) memacu prestasi penjanaan representasi ✅ Kami mencadangkan iREPA: hanya 3 baris kod, menekankan pemindahan struktur spatial, dan secara konsisten mempercepatkan penumpuan pada kaedah seperti REPA, REPA-E, Meanflow dan JiT. Projek menarik di @AdobeResearch, dengan kerjasama @xingjian_leng, @zongze_wu, @LiangZheng_06, @rzhang88, @elishechtman dan @sainingxie 🙏 Bagi saya ini juga pengalaman yang sangat menyeronokkan dan unik, pada setiap langkah projek kami membuktikan prejudis kami sendiri salah 😆 Terima kasih juga kepada @YouJiacheng, @ShumingHu dan @gallabytes, komen mereka di X membuka penerokaan arah ini 🫡 Kertas: https://arxiv.org/abs/2512.10794 Kod: https://github.com/End2End-Diffusion/iREPA Halaman projek: https://end2end-diffusion.github.io/irepa Butiran lanjut dalam thread: [1/n] 🧵

Maklumat penting

  • Kertas baharu: model penyebaran iREPA ialah penyampai representasi asasnya.
  • Dengan tetapan baharu ini,kita dapat memahami dengan lebih jelas makna sebenar representasi…
  • Jas memulakan penerokaan spontan,dan kami telah belajar banyak dalam tiga bulan lalu.
  • Ini juga eksperimen kecil kami tentang sejenis 'kesan mesin air minuman' dalam talian yang…
  • Mari berdebat,berbincang,kemudian ubahnya menjadi sains yang serius dengan usaha sebenar.

Sekilas pandang

Diterbitkan pada
Dikemas kini pada
Sumber
X:谢赛宁 (@sainingxie)
Kategori
Lain-lain
Baca asal Baca artikel penuh di sumber asal
Sebab disyorkan

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 tajuk pilihan dan ringkasan AI daripada API awam AIHOT, dengan sumber dinyatakan dan pautan balik disediakan; hak cipta teks asal milik media dan penulis asal, laman ini tidak menyalin penuh teks penuh.

Pautan asal · Entri AIHOT

Cara memetik

Apabila memetik artikel ini, kekalkan tajuk, tarikh dan pautan kekal, serta nyatakan sumber sebagai Orange News.

Orange News: Kertas baharu: model penyebaran iREPA ialah penyampai representasi asasnya. Dengan tetapan baharu ini.... 16 Disember 2025. https://new.nat6.net/ms/news/cmnz6dpf402amsl0fxz3kh21f/

Lihat Semua →