斯坦福 AnisoFlow:为流模型学各向异性预测目标,不改架构提升 FID

StanfordUniversity · hf · 2026-11-19

斯坦福大学发布 AnisoFlow,为 flow 生成模型学习一个各向异性、可学习的预测目标,在不改动模型架构和采样器的前提下改善 FID 与图像质量。论文宣传图称该像素空间模型仅 918M 参数,对比图显示 FP8 blockwise 下细节与色彩明显优于 x-pred 基线。

原文链接 →

「多模态」频道最新

更多「多模态」频道 AI 资讯 →