SWIFT 用冻结弱去噪器外推目标，降低扩散模型训练成本且无推理开销
alibabagroup · hf · 2026-10-21
密歇根大学、阿里巴巴、UC Berkeley 与南京大学的论文 SWIFT 提出，用冻结的弱去噪器自引导训练更强扩散模型：对每个含噪输入，将干净回归目标从弱去噪器预测外推，放大尚未充分学习的成分。
- 弱引导可取自训练早期 checkpoint，主模型训练期间无需反传，训练后即可丢弃
- 保留原始采样器，无需标签 dropout 或无条件分支即可支持条件与无条件生成
- 通过 RKHS 中有限时间种群梯度流的谱分析解释机制
- 降低误差与训练成本，且不增加推理开销
「多模态」频道最新
- EvaOmni 基准发布：要求全模态模型给出音视频证据链再推理 — VisionXLab · 2026-10-21
- 南开 WinARDet：压缩窗口自回归破解密集场景检测框循环复读 — NankaiUniversity · 2026-10-21
- Qwen-Image 2.1 编辑人物总生成塑料感皮肤，负向提示词无效 — NorthAppropriate4458 · 2026-10-21
- 用 AI 图像重现拉美科幻名篇《Artificial》:母亲被合成部件逐步替换 — dasein47 · 2026-10-21
- AI 生成万圣节视频：女子行走于骷髅女巫人群引围观 — Stephane_AI · 2026-10-21
- AI 生成奇幻短片 Lost In Woods 展示电影级森林精灵场景 — Some-Dark-5802 · 2026-10-21