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。
- 单张 H200 上生成一张图仅需 78ms,比统一生成模型最快快 122 倍
- 一个 checkpoint 支持三种任务
- 画质远未达到 SOTA,但速度极其惊人
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)→
「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