算法论文7

Apple FAE：缩小嵌入加速图像生成

DeeplearningAI2026-03-20

AI 摘要

Apple团队Yuan Gao等：提出扩散图像生成器FAE，通过缩小视觉编码器DINOv2的嵌入再重建，解决训练难题。FAE性能与先进模型相当，训练速度更快，能让图像生成更高效。

关注公众号

扫码关注
第一时间收到每日精选

公众号专辑

ZeroDiff++刷新零样本三项基准

本文介绍发表于IEEE TPAMI 2026的ZeroDiff++模型，是ICLR 2025 ZeroDiff的扩展工作，针对生成式零样本学习的虚假语义关联、分布脱节问题提出新框架，在三项主流基准刷新成绩

GPT-6还未发布，新版生图模型GPT Image 2.5就能伪造其发布会。它升级幅度大，测试显示能伪造奥特曼全员信等，在LMArena测试有生成快、图像逼真等特点，生图或成GPT-6主打功能。

视觉-语言-动作（VLA）模型是端到端自动驾驶主流技术，但自回归解码架构有瓶颈。复旦大学与引望智能联合提出WAM-Diff2，实现自回归VLA向离散扩散模型迁移，解码加速15.1倍，多任务性能不降。

ByteDance Seed团队研究发现，文生图模型中自然语言Caption变长，不意味着模型获更多视觉监督，其信息量更能预测训练损失。团队提出Structured Prompt，从两侧提升文本条件，在多任务上取得显著提升。