HiT 端到端图像生成器自学抽象层级,ImageNet 256 达 1.48 FID
niloofar_mire · x · 2026-11-19
研究者提出 HiT:一个从像素端到端训练的图像生成器,无需单独训练的编码器即可自学抽象层级。它动态地在多个层级对 patch 分组,不依赖掩码或区域标签就能涌现出语义结构——背景坍缩为少数组,主体获得更多组,词语能点亮其指代的区域。成绩:ImageNet 256 上 1.48 FID;同等质量下训练算力比 JiT-H/16 少 2.4 倍;文生图基准上平均胜过参数量多 6 倍的模型。论文、代码与网站已公开。
所属事件:HiT:从像素端到端自学抽象层级的图像生成器(6 条相关)→
「研究」频道最新
- LEV 循环决策模型:2.6B 模型四轮推理准确率 63.2%→76.2% — jiqizhixin · 2026-11-19
- 单卡 36 小时、100B tokens 从零预训练 400M 稀疏 MoE 模型 — Tall_Abrocoma_3533 · 2026-11-19
- 研究者质疑 METR/Anthropic「2 倍加速」RSI 论证统计上站不住 — jessi_cata · 2026-11-19
- 用线性探针识别基座模型补全文本时扮演的人格,尚无人尝试 — cephaloform · 2026-11-19
- ETH 机器人 Anymal 阿尔卑斯山完成 10 公里全自主徒步 — ChongZzZhang · 2026-11-19
- OpenVax 代码量 15 个月从 7.8 万行涨到 56.5 万行 — iskander · 2026-11-19