BudgetPix 自适应分词：25% 算力匹配全算力像素扩散图质
_akhaliq · x · 2026-10-13
新论文 BudgetPix 提出面向像素空间图像扩散的计算自适应分词框架，按视觉复杂度动态分配算力而非均匀分词：
- 自适应编码器：用熵引导四叉树+多尺度 patch embedder，把固定大小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/采样：让去噪器在可变 token 数下工作，单个 checkpoint 可在宽算力范围运行
效果：文生图上用 25% 算力匹配 MiniT2I-L(512²) 和 PixelDiT(1024²) 的保真度；MeanFlow 骨干的类条件生成用 60% 算力仅 FID 上升 0.8 分。人类与 VLM 评测均显示质量-效率权衡显著优于以往 budget-adaptive 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