跳到正文
arXiv · 机器人与计算机视觉· Rayhan Zirvi, Hansheng Chen, Gordon Wetzstein, Leonidas Guibas·· 3 天前AI 评分72

AnisoFlow:学习各向异性预测目标的流模型方法

Learning Anisotropic Prediction Targets for Flow Models

AI 导读

针对基于流的生成模型依赖人工设定预测目标(如速度或噪声)的问题,本文提出 AnisoFlow 框架,引入可学习的各向异性缩放机制替代固定目标。该方法在保持网络架构与损失函数不变的前提下,通过闭式映射恢复速度场,显著降低预测误差。实验显示,AnisoFlow 在 ImageNet 256x256 数据集上将 FID 分数从 1.90 提升至 1.55,并在低精度推理下有效消除图像块接缝伪影。

来源:arXiv · 机器人与计算机视觉 · arxiv.org