研究：冻结扩散模型可用自身样本自我引导
nanyang-technological-university-singapore · hf · 2026-08-04
针对像素空间扩散模型难以同时捕捉全局结构和局部纹理的挑战，研究人员提出了一种低成本策略 Synthetic Self-Guidance (SSG)。
- 核心机制：利用预训练冻结模型中间层的粗预测与最终层预测之间的差异作为自引导方向。
- 训练优势：无需真实图像，仅用模型生成的样本即可训练轻量级预测头，计算量不到全模型训练的 1%。
- 效果显著：在 ImageNet 上的多个模型中，SSG 一致提升了生成质量，将 FID 降低了 50% 以上（如将 JiT-H/16 的 FID 从 1.86 降至 1.67）。
「多模态」频道最新
- Meta 开源高保真 3D 人体模型 MHR，支持精细表情与姿态控制 — igarciacamargo · 2026-08-04
- MiniMax H3 视频生成加速参数：Euler+Beta57 8步生成720p — Cequejedisestvrai · 2026-08-04
- MiniMax H3 加速实测：TE-Speed 最高提速1.785倍 — Commercial_Board9219 · 2026-08-04
- MiniMax H3 实用工作流：自动拼接生成多场景长视频 — Sn0opY_GER · 2026-08-04
- Google Earth 暂停 AI 生成功能：用户滥用致虚假信息泛滥 — nordicinst · 2026-08-04
- 马斯克展示 Grok Imagine 建筑设计能力 — elonmusk · 2026-08-04