arXiv · 机器人与计算机视觉· Yucheng Mao, Chongjian Ge, Zhuowen Tu, Hao Tan, Hanwen Jiang·· 22 天前AI 评分82
Know, then Draw:一种新的视觉生成学习范式
Know, then Draw: A New Learning Paradigm for Visual Generation
AI 导读
该研究提出将高层语义知识获取交给自回归预训练、高保真渲染交给扩散后训练的新范式。实验表明自回归是更强的预训练目标,且纯语义分词器无需图像解码器即可提升效率。基于此训练的 3B 参数模型仅用 6,600 H100 GPU 小时,在 GenEval 和 DPG-Bench 上分别达到 86 分和 87 分。材料为 arXiv 预印本,未提及同行评审状态或具体部署结果。
来源:arXiv · 机器人与计算机视觉 · arxiv.org