HiT 免编码器端到端训练:算力省 2.4 倍,FID 1.48 刷新 ImageNet
CatAstro_Piyush · x · 2026-11-19
HiT 是一个直接从像素端到端训练的图像生成器,不依赖单独训练的 encoder,能自行学习抽象层级,动态跨层级分组 patch,在无 mask、无区域标注的情况下涌现出语义结构。演示视频中,背景会塌缩为少数几组,主体获得大量分组,文字会点亮其指代的区域。
性能方面:ImageNet 256 上 FID 达 1.48;同等质量下训练算力比 JiT-H/16 少 2.4 倍;在文本生成图像基准上平均超过参数量 6 倍的模型。已放出网站、论文与代码。
「多模态」频道最新
- 用 Nano Banana 把网站做成「揉皱纸」效果,创意门槛被重写 — danshipper · 2026-11-19
- DeepMind 发布 Genie 4 世界模型:实时物理+推理+音频,Ultra 可试用 — demishassabis · 2026-11-19
- 免费 ComfyUI 工作流:6GB 显存跑出 MiniMax H3 一半体积的图像模型 — TheLocalLab · 2026-11-19
- 开源 Claude Code 插件一键生成完整 MV:节拍分析+素材剪辑+GPU 合成 — AIandDesign · 2026-11-19
- 从业者判断:视频生成终局是程序化 3D 打底、纯视频只做渲染层 — dreamwieber · 2026-11-19
- 创作者用 Seedance 2.5 生成「影子记忆博物馆」短片并分享提示词 — LudovicCreator · 2026-11-19