Jiqizhixin
92

Nghiên cứu

TBSM: Đột phá mới trong huấn luyện mô hình tạo ảnh một bước mà không cần GAN hay Diffusion

(giờ Việt Nam)

Tóm tắt AI

Nghiên cứu giới thiệu TBSM, phương pháp huấn luyện mô hình tạo ảnh một bước bằng cách sử dụng một 'Tracker' nhẹ để dẫn dắt mẫu từ phân phối giả sang phân phối thật, giúp tối ưu hóa hiệu suất mà không cần các kỹ thuật phức tạp như CFG hay chưng cất mô hình.

Bản dịch AI

So sánh hai mô hình tạo sinh lớn trong TensorFlow: VAE và GAN

Kết quả cuối cùng của quá trình huấn luyện GAN (368) là hiển nhiên, hình ảnh do VAE tạo ra so với hình ảnh do GAN tạo ra... //kvmanohar22.github.io/Generative-Models/ Bài viết này được biên dịch bởi Machine...

Machine

Tác phẩm mới của Kaiming He: Drifting Models — Loại bỏ suy luận lặp Diffusion, tạo ảnh một bước thiết lập SOTA mới

Ở mỗi bước, mô hình ánh xạ mẫu "hơi nhiễu" thành mẫu "hơi sạch hơn",... GANs đều là bộ tạo đơn bước. GAN: huấn luyện đối nghịch, cần bộ phân biệt. Drifting: không đối nghịch...

Đầu tư giá trị mới là con đường chính đạo

ICLR 2026 | ESC — Giải cấu trúc tạo sinh một bước, làm rõ chi tiết, khám phá bản chất

So sánh FID50k của các mô hình tạo sinh một bước khác nhau trong quá trình huấn luyện: (a) biểu thị sự so sánh với MeanFlow, kết luận thu được nghiêng về một kiểu "đánh đổi theo giai đoạn". Cố định...

Nền tảng Extreme-Mart (JiShi)

Đột phá mang tính cách mạng! Công trình quan trọng "Drifting Models" của nhóm Kaiming He cải cách mô hình tạo sinh: suy luận một bước trực tiếp lập kỷ lục

Mô hình này tự nhiên thực hiện tạo sinh đơn bước khi suy luận. Khi huấn luyện, cân nhắc trước một mạng thần kinh... Cho thấy sự so sánh song song với improved MeanFlow (iMF), đây là mô hình gần đây nhất...

AIWalker

Tác phẩm tâm huyết từ nhóm Kaiming He tại MIT! Drifting Models: Tạo ảnh một bước, FID thấp tới 1.54

Drifting Models, mô hình tạo sinh một bước theo mô hình mới. Tên bài báo: Generative Modeling... Phương pháp 1-NFE của Flow. Mô hình tốt nhất sử dụng CFG=1.0, tương đương với Diffusion...

Nền tảng Extreme-Mart (JiShi)

Hướng dẫn | Cách sử dụng Variational Autoencoder (VAE) để tạo hình ảnh nhân vật anime

Chọn lọc từ Medium. Tác giả: Wuga. Biên dịch bởi Machine. Tham gia: Geek Ai, Li Zenan... So sánh hai mô hình tạo sinh lớn: VAE và GAN. Vì vậy, sau khi bạn đã biết VAE là gì...

Machine

Đại học Thanh Hoa công bố ZhuSuan: Một thư viện Python dành cho các mô hình tạo sinh

Hội nghị thượng đỉnh trí tuệ máy toàn cầu lần thứ nhất (GMIS 2017) do Machine tổ chức sẽ diễn ra tại Bắc Kinh... cũng có các mô hình tạo sinh sâu gần đây (như VAE, GAN, v.v.). Sử dụng ZhuSuan, người dùng...

DataPie THU

Tác phẩm mới nhất của nhóm Kaiming He "Drifting Models": Mô hình tạo sinh hoàn toàn mới, lật đổ truyền thống!

"Giai đoạn huấn luyện", hiện thực hóa việc tạo sinh đơn bước (One-step Generation) theo đúng nghĩa. Đổi mới cốt lõi của Drifting Models nằm ở việc giới thiệu cơ chế "Trường trôi" (Drifting Field)...

CVer

Cập nhật đầu tiên năm 2026! [Machine Learning Heart] Bộ công cụ chương trình Machine Learning/Deep Learning Python

#Tìm kiếm thêm mô hình tại Machine Learning Heart, hỗ trợ tùy chỉnh mô hình # Tạo tham số pdq... mô hình và khớp dữ liệu huấn luyện mod = sm.tsa.statespace.SARIMAX(...

Phân tích trường hợp thực tiễn về Machine Learning

Đại học Yonsei & Microsoft Research: LPS đột phá khó khăn trong Reinforcement Learning ngoại tuyến, chiến lược dòng một bước hiện thực hóa hướng dẫn chiến lược tiềm ẩn không cần tinh chỉnh

Sau khi huấn luyện xong, lấy mẫu một bước có thể thực hiện thông qua ODE đơn giản: trong đó là từ phân phối tiên nghiệm... Thông qua mô hình tạo sinh MeanFlow một bước có thể vi phân, thực hiện gradient Q không gian hành động tới tiềm ẩn...

Hei Xin Li

123456789 Trang tiếp theo

Tìm thấy khoảng 83 kết quả

Generative AITBSMTạo ảnhDeep LearningMô hình khuếch tán
Đọc bài gốc

Bài viết được AI dịch và tổng hợp tự động từ Jiqizhixin. Liên kết bài gốc ở phía trên. AIHOT.vn luôn dẫn nguồn đầy đủ — nếu bạn thấy điểm cần chỉnh sửa, hãy gửi ý kiến tại trang phản hồi.