NextGAN 论文：一步生成 ImageNet FID 1.36，可扩展到 14B 视频模型
serrjoa · x · 2026-11-06
arXiv 论文（2611.06270，西湖大学 Tao Lin 组等）：传统 GAN 的对抗损失只监督 critic 数值、不直接约束生成器更新所用梯度。NextGAN 的做法是在冻结表征空间中，训练一个标量 critic，将其输入梯度直接回归到真实/生成样本在插值位置的特征位移上——类似 Flow Matching 的思路。
关键结果：
- ImageNet 256×256 一步生成 FID：像素空间 JiT-B 2.87，隐空间 DiT-XL/2 1.54，对抗形式进一步到 1.36。
- 同一目标可适配高达 14B 参数的预训练图像与视频生成器，无需辅助损失、在线 teacher score 或轨迹。
- 文生视频：单个 Wan2.1-1.3B 模型支持 1/2/4 步采样，两步 VBench 总分 83.13，超过 rCM 1.25 分、AnyFlow 0.47 分。
代码已开源。
「研究」频道最新
- Anthropic 报告：AI 全面自动化科研或带来 15-16 倍产出，物理实验成瓶颈 — teortaxesTex · 2026-11-06
- Elastic AI 副总裁：把搜索看作测试时计算，延迟是可花的预算 — gaganghotra_ · 2026-11-06
- 免训练投机解码框架加速全双工语音模型,显著降低响应延迟 — CUHKSZ · 2026-11-06
- 港中文 MMLab 提出 TailSteer,抑制多轮图像编辑累积漂移 — MMLab-CUHK · 2026-11-06
- 厦大等提出 EvoMemState:用状态演化框架改进 Agent 长期记忆 — Zhishang Xiang · 2026-11-06
- 牛津提出认知共生体范式:Physical AI 应增强人类智能 — Oxford · 2026-11-06