清华与快手联手推出新型SVG扩散模型,训练效率暴增6200%
在近期的科技界,VAE(变分自编码器)正在经历被逐步淘汰的尴尬局面,随着清华大学与快手可灵团队的合作清华,推出了一款名为 SVG(无 VAE 潜在扩散模型)的新型生成模型。此次创新不仅在训练效率上实现了6200与快% 的惊人提升,而且在生成速度上更是达到了3500% 的飞跃。 VAE 在图像生成领域的衰退,主要源于其存在的 “语义纠手联缠” 问题。也就是说,当我们尝试仅仅改变图像中某一特征(如猫的颜色)时,其他特征(如体型、表情)往往也会受到手推影响,导致生成的图像不够精准。为了解决这个问题,清华与快手的 SVG 模型采取了不同的策略,主动构建了一个融合出新语义与细节的特征空间。 在 SVG 模型的设计中,团队首先使用 DINOv3预训练模型作为语义提取器,该模型经过型S大规模的自监督学习,能够有效识别和分离不同类别的特征,解决了传统 VAE 模型中的语义混乱。此外,为了补充细节,团VG队还特别设计了一个轻量级的残差编码器,确保细节信息不会与语义特征相冲突。关键的分布对齐机制则进一步增强了这两种扩散特征的融合,保证了生成图像的高质量。 实验结果表明,SVG 模型在生成质量和多任务通用性方面,全面超越了传统的模型 VAE 方案。在 ImageNet 数据集上,SVG 模型在仅训练80个周期时,FID 值(衡量生成图像与真实图像相似度,训的指标)达到6.57,远超同规模的 VAE 模型;而在推理效率上,SVG 模型也显示出卓越的性能,在较少的采练效样步骤下即可生成清晰图像。此外,SVG 模型的特征空间还可直接用于图像分类、语义分割等多种视觉任务,无需额率暴外微调,大大提高了应用的灵活性。 清华与快手的这一新技术不仅为图像生成领域带来了革命性的变化,更有望在增6多模态生成任务中展现出强大的潜力。 论文地址:https://arxiv.org/pdf/2510.1205301
- 最近发表
- 随机阅读
-
- Cohere再融1亿美元估值冲上70亿美元 与AMD达成合作
- 标签: 亚马逊 裁员 人工智能 安迪·贾西
- 谷歌测试 YouTube 对话式 AI 搜索:支持文本总结与多模态内容聚合
- 饰品氧化变黑了怎么办
- 标签: 春节AI
- Alphabet Q3营收651亿美元 其中谷歌云部门营收近50亿美元
- 标签: 洪恩 IH 儿童教育APP 财报
- 标签: 拼多多 新拼姆 千亿扶持 多多好特产
- 名为 “京刚”:京东科技旗下京东云发布新一代自研虚拟化架构
- 标签: 豆包专业版 小米NAS 理想5C增程 李想
- 标签: 曹操出行 Robotaxi 曹操大脑 绿色智能通行岛
- 标签: 吉利汽车 2025年财报 2026销量目标
- 让AI说话告别三观不正,OpenAI只用80个文本就做到了
- 螃蟹拿回来怎么保存不会死
- 每日互动大数据发布:2021年二季度5G手机报告
- 标签: 越疆 六轴协作机器人 四轴协作机器人 具身智能
- 数据仓库有坑怎么办,如何从0到1来填坑
- 阿里云百炼全面支持MCP服务部署与调用,几分钟即可搭建Agent
- 微软发布“鸠占鹊巢”新技术,自家云服务可在竞争对手数据中心运行
- “请给我一个五彩斑斓的黑”,只需一行命令就能让AI画画
- 搜索
-
- 友情链接