北京
11月19日晚消息，據(jù)新智元報道，何愷明團隊發(fā)布最新研究成果《Back to Basics: Let Denoising Generative Models Denoise》，顛覆了當(dāng)前主流AI生圖技術(shù)（擴散模型）的基礎(chǔ)范式。團隊指出，擴散模型在學(xué)習(xí)“預(yù)測噪聲”而非“生成干凈圖像”，并提出名為JiT的全新方法，讓AI直接預(yù)測干凈圖像。
何愷明是AI領(lǐng)域頂尖學(xué)者，ResNet(深度神經(jīng)網(wǎng)絡(luò)架構(gòu)）發(fā)明人，麻省理工學(xué)院（MIT）副教授，論文引用超70萬次。其團隊曾貢獻ResNet、Faster R-CNN、Mask R-CNN、MAE等多個里程碑工作，其中ResNet讓深層神經(jīng)網(wǎng)絡(luò)訓(xùn)練成為可能，MAE推動了自監(jiān)督學(xué)習(xí)發(fā)展。
最新提出的JiT方法無需tokenizer(標(biāo)記器）、預(yù)訓(xùn)練或額外損失函數(shù)，僅使用基礎(chǔ)Vision Transformer架構(gòu)。該方法基于流形假設(shè)，讓網(wǎng)絡(luò)直接預(yù)測干凈圖像而非噪聲，在ImageNet上256×256分辨率FID達(dá)1.82，512×512達(dá)1.78。
論文一作黎天鴻為何愷明在MIT的弟子，本科畢業(yè)于清華姚班。實驗顯示，在高維空間中傳統(tǒng)預(yù)測噪聲方法完全失效，而JiT方法仍保持穩(wěn)定，甚至引入降維瓶頸還能提升生成質(zhì)量。
該方法為蛋白質(zhì)、分子等難以設(shè)計tokenizer的領(lǐng)域提供了新思路，有望推動更通用的"擴散 + Transformer"范式。
特別聲明：以上內(nèi)容(如有圖片或視頻亦包括在內(nèi))為自媒體平臺“網(wǎng)易號”用戶上傳并發(fā)布，本平臺僅提供信息存儲服務(wù)。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
懂球帝
