AITP
精选全部 AI 动态AI 日报Agent 接入关于更新日志信源提报反馈
登录 / 注册
AITOP
全部 AI 动态
AI 相关资讯全量信息流
全部博客资讯推文论文
全部模型产品行业论文技巧
标签:流生成模型×
6月16日
20:46
AITOP6月16日 20:46
600亿美元买下Cursor,xAI终于拿到了编程工具,但真正值得跟踪的或许不是AI600亿美元买下Cursor,xAI终于拿到了编程工具,但真正值得跟踪的或许不是AI
6月12日
12:57
AITOP6月12日 12:57
Claude代码里藏了个20260612,18个月后的AI记忆革命已经开始倒计时
6月11日
15:28
AITOP6月11日 15:28
1107 vs 303:谷歌悄悄开源了一个“拆打字机”的模型,把大模型速度翻了4倍
15:23
AITOP6月11日 15:23
DiffusionGemma颠覆文本生成?自回归模型的“统治”要结束了
15:07
AITOP6月11日 15:07
每秒1107个token,Google开源的扩散模型为什么能改变本地推理格局?
5月20日
11:37
11:37arXiv cs.LG@Parsa Esmati, Junha Hyung, Amirhossein Dadashzadeh, Jaegul Choo, Majid Mirmehdi
精选
扩散和流生成模型依赖引导机制对齐样本与用户输入,但现有方法如无分类器引导(CFG)是启发式的速度/分数线性组合,忽略生成流形几何,导致概率不守恒,强引导下样本偏离流形。研究者通过连续性方程分析引导,将其分解为散度项和分数平行项,并证明散度项在接近数据流形时结构性地发散。基于此提出自适应流形引导(AdaMaG),通过时间依赖调度和分数平行衰减同时约束两项,无需额外推理成本。实验表明,AdaMaG在图像生成基准上提升真实感、减少幻觉,并在高引导强度下实现受控去饱和。
论文扩散模型流生成模型引导机制概率守恒AdaMaG

推荐理由:做图像生成的开发者终于有了理论扎实的引导方法——AdaMaG解决了CFG强引导下样本失真和幻觉问题,直接提升生成质量,建议做扩散模型的团队试试。
原文
精选全部日报登录