Sphere Encoder 2 论文:自编码器 1-4 步生成 ImageNet 图像
kastnerkyle · x · 2026-10-03
Tom Goldstein 团队发布 Sphere Encoder 2(arXiv:2610.02208),把自编码器改造成可独立运行的快速图像生成器。论文指出原版 Sphere Encoder 的两大缺陷:一是随机采样的隐变量点在球面上集中于赤道附近,而训练时的旋转覆盖不到该区域,留下限制一步生成的盲区;二是用逐像素重建损失训练生成,会让解码器对多张合理图像取平均,产出模糊、缺高频细节的结果。
Sphere Encoder 2 通过完整覆盖球形隐空间、将重建与生成分离,并结合语义对齐与分数匹配解决上述问题,在保持自编码器速度与简洁性的同时大幅提升生成质量,仅 1-4 步即可在 ImageNet 上取得较强的生成效果。模型已发布,代码即将开源。
「多模态」频道最新
- 一张图塞 5 个 LoRA 角色:四方案实测,最好也只有 3/5 正确 — PoleRacers · 2026-11-19
- AI 生成「机器人神父」低垂双手祈祷,教堂场景以假乱真 — MrWoohoo · 2026-11-19
- AI 复刻 80 年代手绘动画风格短片《守门人》第一集 — oultimobuilder · 2026-11-19
- AI 生成 ARC'TERYX 户外广告片,运镜配乐调色被赞近完美 — gen_ericai · 2026-11-19
- AI 动画短片《Solar Ascendant》:超级英雄猴飞越末日都市 — Solaris-Frame · 2026-11-19
- AI 视频让蒙娜丽莎、梵高、达利跨世纪同框,网友直呼离谱 — sebpaquet · 2026-11-19