推荐文章8

GPT - 4o图像生成「核燃料」揭秘

机器之心2025-05-06

AI 摘要

我认为，GPT - 4o图像生成功能爆火，潜在空间是生成模型核心。Sander Dielman探讨其利用潜在空间提升效率和质量，介绍两阶段训练法、多种损失函数，还分析不同模型优缺点及潜在表征权衡，认为端到端学习目前尚早。

关注公众号

扫码关注
第一时间收到每日精选

公众号专辑

扩散新范式Hi-DiT终结路线之争

中科大与智象HiDream.ai团队提出混合潜空间-像素空间扩散新模型Hi-DiT，解决了两类传统扩散路线各自的瓶颈，论文被ECCV 2026接收，在多个主流图像生成任务上取得优异性能，仅小幅增加计算开销。

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

本文整理了NVIDIA Research科学家李柏依在ECCV 2026 Workshop的分享，针对机器人训练数据采集壁垒高的问题，介绍了两项解决多模态感知与灵巧操作数据难题的前沿研究。

深度神经网络虽应用广泛，但对对抗样本脆弱，制约可靠部署。本文介绍发表于TPAMI 2026的工作，提出基于一致性模型的对抗净化方法（CMAP），实验表明其在不同场景下鲁棒性强，为对抗防御提供新视角。