LD-GAN：复用预训练VAE作判别器
热点事件持续更新
LD-GAN：复用预训练VAE作判别器
1 篇报道1 个报道来源15 小时前更新
先了解这件事
AI 综述
U-Chae Jun 等作者提出 LD-GAN 框架，把对抗学习直接接入扩散模型原有的生成流程，不再另建判别网络，而是复用潜在扩散模型中预训练的 VAE 充当基于能量的判别器。作者称，该方法还引入结构一致性能量，对齐编码器与解码器的特征表示，以提升感知质量并保持与预训练潜在空间的兼容。 作者报告称，在多种生成任务上，LD-GAN 的样本保真度、感知锐度和多样性均优于 SOTA 基线，训练动态保持高效。这些效果来自论文作者的实验报告。
AI 根据报道生成 · 2 小时前更新
最新进展11月3日 13:00
Latent Diffusion-GAN：在自编码潜在空间中进行对抗学习报道时间线
沿着报道，了解事件的不同侧面。
11月3日
- arXiv · cs.LGLatent Diffusion-GAN：在自编码潜在空间中进行对抗学习
LD-GAN 将对抗学习无缝集成进扩散模型，直接复用潜在扩散模型中预训练的 VAE 作为基于能量的判别器，无需额外判别网络参数即可完成对抗训练。该方法还引入结构一致性能量，对齐编码器与解码器的特征表示，提升感知质量并保持与预训练潜在空间的兼容性。实验显示其在多种生成任务上的样本保真度、感知锐度和多样性均优于 SOTA 基线，同时训练动态保持高效。
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。