Cornell 新作「Purify Before You Align」:先滤掉可预测信息,diffusion 对齐更有效
volokuleshov · x · 2026-10-21
Cornell 博士生 Yingheng Wang 的新工作改进了 diffusion 模型的表征对齐方法(REPA)。核心结论反直觉:「更多信息」并不总是更好。
方法主张在表示对齐之前,先去除图像中局部可预测的信息,只将表征对齐到难以预测的那部分内容。论文同时给出了经验性和信息论层面的证据,说明为什么这样的「提纯后再对齐」才是正确的表征选择。
「多模态」频道最新
- AI 网红视频留存秘诀:强钩子+视觉一致性+悬念设计 — aftahi_ai · 2026-10-21
- Flova 的 MORPHJUTSU 技能让角色复用任意视频的运动节奏 — aftahi_ai · 2026-10-21
- NVIDIA 开源 MotionBricks:单模型生成 35 万动作技能,2ms 延迟 — aftahi_ai · 2026-10-21
- Runway 入驻 Claude Marketplace,企业可划拨 Anthropic 预算买视频生成 — runwayml · 2026-10-21
- 超现实 AI 足球场景：树阵中的球场与花丛边带球 — gizakdag · 2026-10-21
- Seedance 2.5 实测刷屏，一段 prompt 生成高真实感 AI 视频 — aftahi_ai · 2026-10-21