通义提出潜空间到像素策略，加速文生图扩散模型

阿里通义团队发布论文，研究像素空间文本生成图像扩散模型的训练策略。研究发现直接在像素空间大规模预训练收敛较慢，为此提出“从潜空间到像素空间”策略：先在潜空间高效预训练，再转入像素空间进行特定训练。该方法显著加速了大规模文生图扩散模型的收敛，并大幅改善推理速度，据称像素空间模型可比 latent 模型快 4.75 倍，解决了像素空间模型训练效率低的问题。

2026-08-18 ~ 2026-08-20 · 2 条相关