北大联合小红书提出Uni-Instruct:ImageNet生图FID进入1.0时代!
近年来,单步扩散模型因其出色的生成性能和极高的推理效率,在图像生成、文本到视频、图像编辑等领域大放异彩。目前主流的训练方法是通过知识蒸馏,最小化学生模型与教师扩散模型之间的分布差异。然而,现有的方法主要集中在两条平行的理论技术路线上:
近年来,单步扩散模型因其出色的生成性能和极高的推理效率,在图像生成、文本到视频、图像编辑等领域大放异彩。目前主流的训练方法是通过知识蒸馏,最小化学生模型与教师扩散模型之间的分布差异。然而,现有的方法主要集中在两条平行的理论技术路线上:
在计算机视觉的历史上,Imagenet 挑战赛曾被誉为 AI 发展的分水岭,引爆了深度学习的浪潮。那么,在具身智能与机器人领域,是否也会迎来类似的 “拐点时刻”?
智能 机器人 挑战赛 imagenet imagenet时刻 2025-09-24 11:10 3
我不需要语言模型来说服我世界模型的重要性。——李飞飞在 World Labs 正式亮相时说。
想认真地聊聊具身智能,文中会概述具身智能的发展线条,以及近期对”智能“的一些感想,但其中的判断、猜测很多缺乏实据,特别欢迎指出问题和讨论。关心具身智能技术问题的朋友可以看前一半,而更关心智能的朋友可以看最后的“具身智能之上”的部分。