首尔大学提出 FoMo：用扩散轨迹分叉点自动度量图像感知距离
SeoulNatlUniv · hf · 2026-09-28
首尔国立大学团队提出 FoMo，一种无需任何人工标注即可生成图像对逐点感知距离标签的全自动数据管线。
- 核心洞察：扩散模型生成时，早期时间步生成粗结构、后期生成细节；两张图在生成轨迹上「分叉」越早，感知距离越远，越晚则只差细节。
- 做法：将分叉时刻（Forking Moment）作为有参照的距离标签，用于监督训练 reference-based IQA 指标，替代昂贵且噪声大的 MOS 标注和只能两两比较的 2AFC 标签。
- 结果：逐点标签支持任意图像对的通用比较，训练目标信息更丰富；跨多种骨干架构的实验显示其在多个基准上超越人工标注数据集训练的指标。
「多模态」频道最新
- 手绘草图直出可玩 3D 关卡，MiMo V2.6 Pro 实测惊艳 — Div_pradeep · 2026-09-28
- 商家用 AI 视频模型为店铺产品生成宣传视频 — aziz4ai · 2026-09-28
- Krea 2 与 Qwen-Image-2.1 同题对比:五十余组提示词实测差异 — Pyrolistical · 2026-09-28
- Viggle Turbo 6 步 Qwen-Image 以 Gradio Workflow 开源可用 — _akhaliq · 2026-09-28
- MacBook 本地跑 MiniMax H3：拼接续接片段生成更长的视频场景 — TgoAI · 2026-09-28
- Old Time Radio 节点更新：模型自动下载、提速约 30%、新增单页 App Mode — fflluuxxuuss · 2026-09-28