Tag · 2 篇
非自回归生成
分布 生成模型与扩散1视觉语言模型1
01 02
Flowception：面向视频生成的时间可扩展流匹配
Flowception: Temporally Expansive Flow Matching for Video Generation
把「离散插帧 + 连续去噪」交替的概率路径用于视频生成，可作为一种非自回归、可变长度的采样范式，替代自回归视频模型以缓解误差累积，并天然支持图像到视频与插帧等任务。
更好、更强、更快：以同步文本全掩码预测破解基于多模态大模型的分割三难困境
Better, Stronger, Faster: Tackling the Trilemma in MLLM-based Segmentation with Simultaneous Textual Mask Prediction
把分割掩码当作图像 patch 上的并行填空任务，在 MLLM 单次前向中一次性输出整张掩码，从而在不破坏对话能力的前提下兼顾分割质量与推理速度；做指代分割或多任务 VLM 的工作可直接复用这一解耦式输出头设计。