BudgetPix 自适应分词:25% 算力追平像素级扩散模型全量保真度
Ozgur Kara · hf · 2026-10-13
UIUC 与 Google 团队提出 BudgetPix,针对像素空间图像扩散模型的动态算力分配框架。核心思路:传统模型对等大图像块统一分配算力,平面背景与精细细节一视同仁,质量-成本权衡不佳;BudgetPix 按视觉复杂度动态分配 token 预算。
三个组件:
- 自适应编码器:熵引导四叉树 + 多尺度 patch embedder,把固定尺寸图像映射为可变长度 token 序列
- 尺度感知解码器:从多尺度 token 集合重建固定分辨率图像
- 灵活训练与采样调度:让像素空间去噪器适应可变 token 数
结果:文生图 512² 下仅用 25% 算力即匹配 MiniT2I-L 保真度,1024² 下匹配 PixelDiT;MeanFlow 骨干的类条件生成用 60% 算力,FID 仅升 0.8。单个 checkpoint 可在宽算力范围内运行,人类与 VLM 评审均确认其质量-效率权衡优于既有预算自适应基线。
所属事件:BudgetPix 自适应分词让像素扩散模型省算力不损画质(2 条相关)→
「多模态」频道最新
- 超现实 AI 影像「有时我们需要火」:火焰发辫与火鬃黑马刷屏 — gizakdag · 2026-10-13
- 安东尼奥·班德拉斯主演 AI 制作电影《Cortés》，巴黎已开拍 — lmoroney · 2026-10-13
- Minimax H3 Refmod 工作流:几十秒造角色一致性,免训练 LoRA — AlsterwasserHH · 2026-10-13
- 用 Google Flow 和 Suno 做出一支独立游戏广告片 — ahmettnq · 2026-10-13
- AI 生成《刺客信条：埃塞俄比亚》风格战斗短片 — Dear_Hovercraft_6500 · 2026-10-13
- 有人用 Claude Opus 做出奥义书双鸟寓意的动画短片 — selfawareatom · 2026-10-13