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。
「多模态」频道最新
- 清华等发布 ALIVE:让流式视频模型学会主动监控与寻求反馈 — Tsinghua · 2026-11-19
- 绕过 PyTorch 直写 HIP 核:MiniMax H3 在 AMD R9700 上提速近 3 倍 — Apprehensive_Sky892 · 2026-11-19
- 用户实测 Thinking Machines 模型设计活体菌落图像 — simonguozirui · 2026-11-19
- 一句话提示词让 Grok bot 自动产出 4 分钟完整视频 — songguoxiansen · 2026-11-19
- ComfyUI 求助:Q 版短腿角色的 OpenPose 骨架怎么调比例 — Any_Aardvark_9324 · 2026-11-19
- ComfyUI+传统视效流水线复刻漫画版死侍,作者免费分享工作流 — artecondante · 2026-11-19