跳到正文
arXiv · 机器人与计算机视觉· Luming Yang, Siqing Li, Haoxian Liu, Zhenyu Bu, Jiazheng Zhu, Alper Yilmaz·· 13 小时前AI 评分5

Isthmus:在一步流中连接监督孤岛以恢复不确定性与稳定性

Isthmus: Bridging Supervision Islands Restores Uncertainty and Stability in One-Step Flows

AI 导读

Isthmus 方法通过在网络损失和推理代码不变且无额外成本的前提下,将训练数据对沿时间三角形边缘补充 5%,成功修复了一步采样器丢失不确定性及不稳定的问题。该方法在 MRI 重建、人脸补全及 CIFAR-10 等任务上显著提升了校准度至 0.96 并恢复了与多步采样的相关性至 0.93,且训练时长延长三倍后效果依然稳健。

来源:arXiv · 机器人与计算机视觉 · arxiv.org