研究者:扩散图像生成难吃反馈,代码内绘图的路线更可控
josephdviviano · x · 2026-11-17
一场关于图像生成技术路线的讨论。@LinusMixson 认为,扩散模型最大的问题是可控性差:极难把反馈融入生成过程,OpenAI 内部用于 gpt-image-2 的复杂流程至今仍是 SOTA,他猜测其原理是用工具调用合成多个扩散输出再以专门的扩散模式整合。他更看好「Claude 用代码画画」这类自回归路线,认为可以做「画家式」的流内图像合成,而非一次性块状生成。
josephdviviano 附议并提出主张:扩散应该像工具调用一样按小步渐进使用(做很小的变换),而不是当成一次性生成器。
「模型」频道最新
- NVIDIA 发布 Nemotron for Science:全开源科研智能体套件 — NVIDIAAI · 2026-11-17
- 3 年花 2514 美元后,老用户仍在等 ChatGPT 收回王座 — MoreLunch1547 · 2026-11-17
- Claude Fable 5.2 回答缩短 43%,破折号用量骤降 99% — ArtificialAnlys · 2026-11-17
- InferenceBench 新榜:Gemini 4 Carbon 登第 3,打破 Anthropic 垄断 — maksym_andr · 2026-11-17
- 用户处理邮件时 ChatGPT 幻觉出一封不存在的客户邮件 — jdjohnson · 2026-11-17
- NVIDIA 发布指南:双 DGX Station 本地部署 GLM-5.3 — vllm_project · 2026-11-17