arXiv 发布 SWIFT 扩散模型自引导研究
热点事件持续更新
arXiv 发布 SWIFT 扩散模型自引导研究
1 篇报道1 个报道来源6 小时前更新
先了解这件事
AI 综述
10 月 19 日，Yanjin He 等人在 arXiv 发布论文《SWIFT: Self-guided Weak-to-strong dIFfusion models》。论文提出一种自引导训练方法，利用冻结的弱去噪器增强强模型，且不增加推理开销。 该方法通过外推目标放大欠拟合成分，支持条件与无条件生成，无需标签丢弃或无条件分支。在 ImageNet-256 配置下，Swift 用约一半总训练算力超越基线最佳 FID，RAEv2 上无引导 FID 达 1.15。
AI 根据报道生成 · 56 分钟前更新
最新进展10月20日 12:00
Swift：通过目标外推实现弱到强扩散模型自引导报道时间线
沿着报道，了解事件的不同侧面。
10月20日
- arXiv · MLSwift：通过目标外推实现弱到强扩散模型自引导
Swift 提出一种自引导训练方法，利用冻结的弱去噪器增强强模型，且不增加推理开销。 该方法通过外推目标放大欠拟合成分，支持条件与无条件生成，无需标签丢弃或无条件分支。 在 ImageNet-256 配置下，Swift 用约一半总训练算力超越基线最佳 FID，RAEv2 上无引导 FID 达 1.15。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。