EG-FM 新训练法：不改主干网络，像素级图像生成 FID 降至 1.45
burny_tech · x · 2026-08-10
论文 Energy-Guided Flow Matching (EG-FM) 提出了一种针对像素空间图像生成模型的新训练路径。
- 核心改进：传统 Flow Matching 方法将噪声直接推向固定的清晰图像终点，而 EG-FM 引入了一个动态移动的终点。它基于图像自身的频谱能量，采用由粗到细的生成轨迹——先聚焦低频的全局结构，再逐步释放高频细节。
- 零成本接入：该框架无需修改模型主干网络或训练数据，对训练和推理阶段造成的额外成本微乎其微。
- 评测效果：在 ImageNet 256x256 图像生成任务中，以更少的 epoch 达到了更低的 FID（200 epoch 达 1.55，600 epoch 达 1.45）。在 512x512 高分辨率微调上仅需 40 步即达 1.58。迁移至文生图任务后，GenEval 得分为 0.85，DPG-Bench 得分为 83.9。
所属事件:EG-FM 新方法提升像素级图像生成效率(2 条相关)→
「多模态」频道最新
- 独立创作者用 AI 原生工作流做出一部动画短片集 — ComprehensiveLime654 · 2026-10-16
- Ideogram 暗示图像模型 4.5 将至,被追问开放权重时回应「快了」 — East_Shoe8814 · 2026-10-16
- 网友实测：Opus 5.5 生成竖屏视频完成度惊人 — FinanceYF5 · 2026-10-16
- 「星海幻梦」提示词模板：星空与海洋的梦幻融合 — LudovicCreator · 2026-10-16
- 「丰满小红帽」音乐剧：AI 创作者的圆梦之作 — bennash · 2026-10-16
- 港理工发布 CoWorld Reasoner：用视频世界模型驱动的智能体视觉推理框架 — ModalityDance · 2026-10-16