Linum 团队发布 Pyramid-JiT (P-JiT),一种摒弃变分自编码器(VAE)的纯像素空间解码器架构。该模型通过沿 DiT 主干在多个分辨率上预测目标图像,实现了比先前潜在扩散模型 Linum v2 更高的效率:仅需 1/11.3 的训练样本和 1/4.3 的 GPU 小时即可达到同等 FD-DINOv2 评分,同时支持 4 倍像素规模。
术语slug: vae
变分自编码器
VAE
一种生成模型,通过编码和解码网络学习数据的潜在分布
收录情报动态
Hacker News AIT2·基座大模型
78 分
vLLM 官方博客T1·开发与工程
78 分
vLLM-Omni 框架针对 MiniMax H3 模型实施了系统级全栈优化,涵盖注意力机制、通信及并行 VAE 解码等组件。在此基础上,引入 FastVideo 的 FastH3 技术将 DiT 前向传播次数从 49 次大幅压缩至 4 次。实测显示,在 8 张 B300 GPU 上,该方案能在约 8.7 秒内生成完整的 10.125 秒 MP4 视频,实现了生成速度快于播放速度的“实时”标准。
Hacker News AIT2·基座大模型
45 分
一本新的入门书籍发布了,旨在通过紧凑的数学推导连接 PCA、VAE、扩散模型、GAN 等主流生成式 AI 架构。该书面向具备一定数学基础的研究者和学生,重点在于揭示不同生成模型背后的统一数学结构而非工程实现细节。
Hugging Face BlogT1·开发与工程
48 分
Hugging Face 提出将扩散模型的 VAE 解码步骤委托给远程推理端点,以缓解消费级 GPU 在高分辨率生成时的显存压力。该方案旨在替代传统的设备卸载或分块处理,从而在不牺牲图像质量的前提下降低本地硬件门槛。目前代码已开源且承诺不存储用户数据,处于社区试点阶段。
OpenAI 官方博客T1·基座大模型
45 分
OpenAI 于 2016 年发表《Variational Lossy Autoencoder》研究论文,提出一种结合变分推断与有损压缩的生成模型架构。该模型在 MNIST、OMNIGLOT 等数据集上实现了当时最先进的密度估计性能,为后续序列建模与生成式 AI 提供了重要技术基础。
OpenAI 官方博客T1·商业与生态
25 分
OpenAI 发布早期团队扩充公告,确认 Ian Goodfellow、Yura Burda 等多位顶尖机器学习研究者加入。该消息主要涉及人事变动与团队组建,未包含具体的模型发布或技术突破细节。