One-step Latent-free Image Generation with Pixel Mean Flows
无需潜在变量的一步图像生成:像素均值流
机构 * MIT(麻省理工学院)
AI总结 本文提出像素均值流(pMF),通过分离网络输出空间与损失空间,实现无需潜在变量的一步图像生成,在ImageNet上取得优异结果。
Comments Tech report. Code at https://github.com/Lyy-iiis/pMF
作者
Computer Vision
无需潜在变量的一步图像生成:像素均值流
机构 * MIT(麻省理工学院)
AI总结 本文提出像素均值流(pMF),通过分离网络输出空间与损失空间,实现无需潜在变量的一步图像生成,在ImageNet上取得优异结果。
Comments Tech report. Code at https://github.com/Lyy-iiis/pMF
改进的均值流:关于快速前向生成模型挑战的研究
机构 * CMU(卡内基梅隆大学) ; MIT(麻省理工学院) ; Adobe(Adobe公司) ; THU(清华大学)
AI总结 本文改进了MeanFlow框架,通过重新参数化训练目标和指导机制,提升了训练稳定性与灵活性,实现了在ImageNet上的1.72 FID成绩。
Comments Technical report. Code at https://github.com/Lyy-iiis/imeanflow