SDXL+ControlNet 4 卡 RTX 5090 提速 3.77 倍，合成图仍难训检测器
RuntimeCoffee · reddit · 2026-10-14
作者测试用 AI 合成卫星影像替代真实采集标注来训练飞机检测模型：
- 管线：SDXL Base + ControlNet Canny，基于 RarePlanes 数据集的 30 个含 91 架飞机的标注图块做 image-to-image 变体生成（512×512、FP16、25 步、strength 0.25、ControlNet scale 0.6、Canny 阈值 75/150），PyTorch 2.8 + CUDA 12.8 + Diffusers 0.41。
- GPU 扩展：单张 RTX 5090 吞吐 1.69 img/s（240 张耗时约 142 秒，峰值显存约 9.9 GiB），4 卡达 6.36 img/s，3.77 倍加速、94.2% 扩展效率。
- 结论：算力扩展良好但图像质量不行——飞机尚可辨认，机场地面出现奇怪岩石状纹理，尚不能放心用于训练检测器。
- 验证集来自不同地点以检验对未见地区的泛化。
「多模态」频道最新
- LightVAE 视频解码提速 2.24 倍，VBench 分数保留 99.5% — Shiqiao Gu · 2026-10-14
- Midjourney v8.2 电影感人像实测:sref 混搭参数全公开 — michaelrabone · 2026-10-14
- CFG 调高反而翻车：蒸馏视频模型的提示词遵循已烧进权重 — Gen-Talks · 2026-10-14
- 两个 Gemini 实例联手创作出惊艳的黑白像素艺术 — liminal_bardo · 2026-10-14
- Seedance 2.5 打造电影级 AI 短片，好莱坞要慌了？ — Aiden_Tech_Ai · 2026-10-14
- Maya-2 开源发布:印度语系 TTS 超越 ElevenLabs 与 Cartesia — DevvMandal · 2026-10-14