Tag · 2 篇
端到端联合训练
分布 生成模型与扩散1底层视觉与图像复原1
01 02
SpeeDiff：可扩展的像素锚定端到端潜扩散模型
SpeeDiff: Scalable Pixel-Anchored End-to-End Latent Diffusion Model
把扩散损失梯度直接回传到 VAE 编码器做端到端联合训练，并用 Tweedie 公式从中间噪声态解码预测的干净潜变量来加像素级重建约束，避免潜空间坍缩；做视觉生成的人可以借此替换掉「预训练冻结 VAE + 两阶段」的常规流程，显著缩短训练时间并复用其 32x 压缩 VAE 与 Transformer 联合缩放策略。
复原、评估、重复：面向迭代图像复原的统一框架
Restore, Assess, Repeat: A Unified Framework for Iterative Image Restoration
把 IQA 作为复原流程中的评估环节嵌入潜空间，形成「复原—评估—再复原」的迭代闭环，可复用于处理未知或复合退化的 all-in-one 复原模型设计，并避免图像/文本解码带来的延迟与信息损失。