NUS 单前向传播生图:冻结 VLM 出 512px 图,78ms 快 122 倍

multimodalart · x · 2026-11-19

新加坡国立大学的 Jeveration 方法把「System One」思路带进图像生成:用冻结的视觉语言模型(VLM)在单次前向传播中直接输出一整张 512px 图像。

配图示例(向日葵静物、持相机猫咪)显示结果已达可用观感。multimodalart 评价:质量距 SOTA 尚远,但生成速度快到离谱。

所属事件:Jeveration:冻结VLM单次前向生成512px图像,78毫秒(5 条相关)→

原文链接 →

「多模态」频道最新

更多「多模态」频道 AI 资讯 →