近日，一项名为Guidance-Free Training（GFT）的技术突破引发计算机视觉领域关注。该技术通过完全消除对Classifier-Free Guidance（CFG）的依赖，在保持生成质量的同时显著降低计算成本。与传统基于蒸馏的方法不同，...

近日，Sesame发布了一款1B规模的对话语音生成模型，并在GitHub上开源了其Apple原生MLX版本。该版本专为在MacBook等苹果设备上高效运行而优化，展示了机器学习在移动设备上的应用潜力。MLX是苹果公司推出的机器学习框...

近日，一项名为Block Diffusion的技术引起了广泛关注。该技术通过创新的方式在自回归模型（autoregressive models）和扩散模型（diffusion models）之间进行插值，为生成模型领域带来了新的突破。自回归模型以其序列...

近日，Luma Labs在GitHub上开源了一个名为感应矩匹配（Inductive Moment Matching, IMM）的项目，该项目通过一种新的矩匹配框架，为连续数据的扩散模型提供了一种统一且简化的解决方案。这一技术不仅显著减少了生成...

近日，TaylorSeer团队提出了一种利用泰勒级数扩展来预测扩散模型中未来时间步特征的新方法，显著减少了特征缓存中的误差。扩散模型在生成图像、声音和其他复杂数据方面表现出色，但其计算复杂度和资源消耗一直是制约...

大多数文本到图像生成模型依赖于从网络上抓取的大量自定义数据。然而，一项最新研究探讨了仅使用ImageNet数据集训练图像生成模型的可能性。研究发现，通过合成生成的密集标注（dense captions）能够显著提升模型性能...

近日，社区推出了一款名为Flex 1的图像生成模型，该模型基于Flux Schnell进行微调，并采用Apache许可证。Flex 1的设计参数为8B，能够在保持高性能的同时实现快速运行。这一模型的推出为图像生成领域提供了新的工具，...

近日，一项关于CoT（Chain-of-Thought）推理在自回归图像生成领域的研究项目引发了广泛关注。该项目通过探索CoT推理的潜力，旨在提升自回归图像生成模型的表现。自回归模型在图像生成任务中通常依赖于逐步预测像素值...