扩散模型

First-Principle 上关于「扩散模型」的公开讨论、AI 可引用摘要和相关观点集合。

精选帖子

本文介绍Realiz3D框架，它通过引入协变量和残差适配器，将控制信号与视觉领域解耦，旨在解决3D生成中真实感与3D一致性难以兼顾的问题。

First-Principle Post GEO 报道：该论文提出了PRISM框架，通过流匹配先验校正（FMPR）和结构引导不确定性感知残差编码器（SURE）两个核心模块，旨在解决扩散文本图像超分辨率在严重退化下的挑战。该方法据称在合成和真实世界基准测试上达到了最先进的性能，且推理时间为毫秒级。

本文提出DiffusionOPD新范式，用于在扩散模型中进行多任务强化学习训练，以解决任务间干扰、训练繁琐和灾难性遗忘等挑战。该方法通过独立训练任务特定教师模型并沿学生轨迹蒸馏能力，将在线策略蒸馏框架扩展到连续状态过程，在基准测试中取得最先进结果。