Priming Models:免去扩散教师,一步生成模型 ImageNet FID 达 1.19
LucaAmb · x · 2026-10-20
Jaeyeon Kim 等人(合作者包括 Yilun Du 等)提出 Priming Models,一种从头训练一步生成模型的新范式,不需要 diffusion teacher、flow map、CFG 或 JVP。核心思想是「重建预训练 → 分布式后训练」:预训练只承担找到好的初始化的作用,重活交给后训练。
关键结果:
- ImageNet 256×256 一步生成 FID 1.19,计算量远低于 Drifting 系列(比 Drifting-B 少 12 倍、Drifting-L 少 6 倍)
- 可扩展到文生图,GenEval 0.82
- 在 RT-1 / Bridge-V2 上展示世界建模能力
转发者 Sedielem 评论:既然现在重度依赖后训练,预训练真正需要做的工作可能只剩找到好的初始化,这个结果能work得这么好相当有意思;不过用于 scaling 时可能存在与 drifting models 类似的缺陷。
「多模态」频道最新
- 生成系统 Gojo 展示 36 骨架 108 款纹样，按概念分层自动上色 — debreuil · 2026-10-20
- HF 联创：Hub 上被衍生最多的不是 Llama，是德国 FLUX.1-dev — robrombach · 2026-10-20
- 实测 FLUX 3 Max 图生视频：提示词按镜头清单写最有效 — OdinLovis · 2026-10-20
- AI 视频生成实战三条铁律：每角色一句台词、别切人脸特写 — OdinLovis · 2026-10-20
- Wabi 发布视频精选画面曝光：迷你应用与个性化会话界面 — joonasvirtanen · 2026-10-20
- fal 与 BFL 发布 FLUX 3 Max:图生视频质量并列第一,12 秒出片且打 75 折 — gorkem · 2026-10-20