扩散模型也能推理时扩展:剪掉坏种子提升生成质量
ducha_aiki · x · 2026-09-12
研究者分享了一种针对扩散模型的推理时扩展(inference-time scaling)方法:通过剪除“坏种子”(产生低质量生成结果的随机种子)来提升图像生成质量,思路类似 LLM 的测试时计算扩展,但作用于种子层面。
「研究」频道最新
- sqlite-sparse:在 SQLite 里跑稀疏检索,查询期零模型调用 — Much-Ingenuity5415 · 2026-09-12
- Lost in the Middle:长上下文中间信息最易被模型忽略 — thisdudelikesAI · 2026-09-12
- 从 Chinchilla 到 GPT-3:一条线程讲透改变行业的 AI 论文 — thisdudelikesAI · 2026-09-12
- Kaplan 2020 Scaling Laws:损失随算力数据参数呈幂律 — thisdudelikesAI · 2026-09-12
- LiFlow 雷达点云补全方法入选 ECCV 2026 — ducha_aiki · 2026-09-12
- RT-DETRv4 借视觉基础模型蒸馏，实时检测零开销提分 — ducha_aiki · 2026-09-12