阿姆斯特丹大学 LiFT 论文:循环 DiT 参数减 60% 仍大幅刷新 FID
retr0jirachi · x · 2026-10-07
阿姆斯特丹大学团队提出 Loop Flow Transformers(LiFT),一种循环式生成模型:把共享的 DiT 核心反复应用来扩展推理计算,且对标准架构改动很小。
核心设计:不要求每个循环步直接预测最终目标,而是以回归目标逐步把模型初始估计推向 flow-matching 目标,目标由连续深度坐标索引——因此训练时只用 2 个 loop 的模型,推理时可扩到 16 个 loop 而无需重训练、早退或其他修改。
结果:ImageNet 256x256 上,LiFT-L/2 比稠密 DiT-XL/2 基线 FID 低 3.34,同时参数少约 60%、训练 FLOPs 少 32%、推理 FLOPs 少 52%。
所属事件:阿姆斯特丹大学发布 LiFT 循环 Transformer(3 条相关)→
「多模态」频道最新
- BVB 基准:让 Agent 用 Blender 程序化重建真实视频来检验理解力 — RexDouglass · 2026-10-07
- 开源工具一键把 AI 生成的 3D 模型变成完整 VTuber 虚拟形象 — Promptmethus · 2026-10-07
- LTX-2.5 修复 LoRA：240p 糊视频重生为 720p 清晰画面 — multimodalart · 2026-10-07
- 格拉茨理工与华为推出神经发射场，实时渲染复杂光源 — ssh4net · 2026-10-07
- 无需 Houdini 功底:Blender 城市生成器插件可程序化搭建夜景与交通 — bilawalsidhu · 2026-10-07
- MiniCPM-V-4.7-35B-A3B 悄然现身 Hugging Face,尚未发布模型卡 — BreakfastFriendly728 · 2026-10-07