SWIFT提出弱到强扩散训练方法
热点事件持续更新
SWIFT提出弱到强扩散训练方法
1 篇报道1 个报道来源8 小时前更新
先了解这件事
AI 综述
Yanjin He 等提出 SWIFT，通过冻结的弱去噪器和目标外推训练更强的扩散模型；论文称该方法无需增加推理开销，并在多种模型规模和表示上取得提升。 论文报告称，SWIFT 在 CIFAR-10 和 ImageNet-256 上均优于基线，其中一个 ImageNet-256 配置仅使用约一半总训练计算量就超过基线最佳 FID。在 RAEv2 上，SWIFT 无推理时引导的 FID 为 1.15，使用引导后为 0.99。
AI 根据报道生成 · 1 小时前更新
最新进展10月28日 12:00
SWIFT：通过目标外推实现自引导弱到强扩散模型报道时间线
沿着报道，了解事件的不同侧面。
10月28日
- arXiv · Machine LearningSWIFT：通过目标外推实现自引导弱到强扩散模型
SWIFT提出通过目标外推进行自引导训练的方法，用冻结的弱去噪器提升更强的扩散模型，且不增加推理开销。在CIFAR-10和ImageNet-256上的实验显示，该方法在不同模型规模和表示上均有提升；一个ImageNet-256配置以约一半总训练计算量超越基线最佳FID。RAEv2上，SWIFT无推理时引导的FID为1.15，使用引导时为0.99。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。