SVG
无VAE扩散模型! 清华&可灵团队「撞车」谢赛宁团队「RAE」
长期以来,扩散模型的训练通常依赖由变分自编码器(VAE)构建的低维潜空间表示。 然而,VAE 的潜空间表征能力有限,难以有效支撑感知理解等核心视觉任务,同时「VAE Diffusion」的范式在训练与推理效率上也存在显著瓶颈。 清华大学智能视觉团队和快手可灵团队联合推出《Latent Diffusion Model without Variational Autoencoder》与近期爆火的谢赛宁团队 RAE 工作不谋而合,但在总体设计思路与研究重点上有所差异。
10/23/2025 1:27:00 PM
机器之心
- 1
资讯热榜
早鸟票倒计时3天|第四届全国大模型智能生成大会(LMG 2025)
美国女子使用ChatGPT生成号码购彩中奖10万美元:概率事件而非AI预测能力
全新开源的DeepSeek-OCR,可能是最近最惊喜的模型!
OpenAI 紧急暂停 Sora生成马丁・路德・金形象,AI 视频生成引发热议!
AI 模型“炒股”比拼!DeepSeek 收益超14%,Gemini2.5Pro 惨亏四成
LLM的“记忆”与“推理”该分家了吗?一种全新的训练范式,彻底厘清思考流程
AI智能体的未来要等十年?Karpathy直言目前的技术还很 “菜”!
视觉中国与多家AI公司合作开发可商用视觉大模型:已获阿里、微软等订单
标签云
AI
人工智能
OpenAI
AIGC
模型
ChatGPT
DeepSeek
谷歌
AI绘画
机器人
数据
大模型
Midjourney
开源
Meta
智能
微软
用户
AI新词
GPT
学习
技术
智能体
马斯克
Gemini
图像
Anthropic
英伟达
AI创作
训练
LLM
论文
代码
算法
芯片
腾讯
AI for Science
Stable Diffusion
苹果
Agent
Claude
蛋白质
开发者
生成式
神经网络
xAI
机器学习
3D
人形机器人
研究
AI视频
生成
大语言模型
百度
RAG
Sora
具身智能
工具
GPU
华为
计算
字节跳动
AI设计
搜索
大型语言模型
AGI
视频生成
场景
深度学习
DeepMind
架构
视觉
预测
Transformer
编程
生成式AI
伟达
AI模型
特斯拉
Copilot