Jeveration 单次前向生图:512px 仅 78ms,快 122 倍
_akhaliq · x · 2026-11-19
新论文 Jeveration 提出「System One」模型也能生成:把冻结的视觉-语言模型(Jev)的视觉语义知识重用于整体图像生成,单次前向即可出图。
- 核心难题是全局一致性:同一 prompt 对应多张有效图像,并行预测需收敛为连贯整体。做法是让所有位置条件于一个共享随机状态,每次采样得到不同但连贯的图像;由于直接图像监督会让模型忽略该状态,作者先学习离散图像码的分布来引导单次生成。
- 统一架构:同一 checkpoint 同时支持文生图、图生图(结构控制、风格迁移)与稠密预测(分割/深度/法线),每个任务均一次前向完成。
- 性能:在单张 H200 上端到端生成 512×512 图像仅 78ms,比 Janus-Pro-7B(9.51s)快 122 倍,也显著快于 FLUX.1-schnell(0.35s)、SD3-medium(2.09s),图像质量与稠密预测保持竞争力。
所属事件:Jeveration:冻结VLM单次前向生成512px图像,78毫秒(5 条相关)→
「多模态」频道最新
- Ideogram 跳过 4.5 开源版,将直接开放 4.6 权重 — multimodalart · 2026-11-20
- 零剪辑经验用 Fable 5.2 迭代 19 次自动产出游戏混剪视频 — gdechichi · 2026-11-20
- Seedance 2.5 实测:30 秒幽灵列车短片提示词公开 — LudovicCreator · 2026-11-20
- 用代码生成霓虹风动画:fofr 展示 anime 风泳池场景 — fofrAI · 2026-11-20
- 个人玩家用 RTX 4080 训 126 小时,开源像素画 DiT 模型 — ApprehensiveTart3158 · 2026-11-20
- 200 个工具吃光上下文:开发者分享用 MCP 给 Claude 造视频编辑器的踩坑经 — MrxAnomynous · 2026-11-20