热点事件持续更新

LAP改进扩散模型表征对齐，MAE的FID降至42.3

1 篇报道1 个报道来源1 小时前更新

先了解这件事

AI 综述

Yingheng Wang等研究者提出局部外观净化（LAP），通过移除局部可预测内容并对齐残差，提升扩散模型生成质量。该方法只改动对齐目标，无需修改扩散模型的训练或推理流程。在ImageNet-256上使用SiT-B/2时，LAP将MAE的FID从53.1降至42.3，并在MAE、AIMv2、CLIP、DINOv2、DINOv3五种预训练表征上均有提升。代码与检查点已发布在项目页面。

AI 根据报道生成 · 1 小时前更新

最新进展10月16日 12:00

LAP：通过局部外观净化改进扩散模型表征对齐

报道时间线

沿着报道，了解事件的不同侧面。

10月16日

12:00
arXiv · cs.LG
LAP：通过局部外观净化改进扩散模型表征对齐
研究者提出局部外观净化（LAP），通过移除局部可预测内容并对齐残差，提升扩散模型生成质量，且无需改动训练或推理流程。在 ImageNet-256 上使用 SiT-B/2，LAP 将 MAE 的 FID 从 53.1 降至 42.3，并在 MAE、AIMv2、CLIP、DINOv2、DINOv3 五种预训练表征上均有提升。

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。