Diffusion Controller 如何统一并简化 AI 图像生成
Google Research 提出 Diffusion Controller,将图像去噪重构为连续控制问题,统一生成引导与微调方法。其轻量附加网络在冻结基础模型时改善人类偏好匹配,允许修改内部权重的微调版本相对基线取得 90% 胜率。实验采用 Stable Diffusion v1.4,以 HPS-v2 评估表现。
Google Research 提出 Diffusion Controller,将图像去噪重构为连续控制问题,统一生成引导与微调方法。其轻量附加网络在冻结基础模型时改善人类偏好匹配,允许修改内部权重的微调版本相对基线取得 90% 胜率。实验采用 Stable Diffusion v1.4,以 HPS-v2 评估表现。
Google Research 从数学机制解释扩散模型的创造力,指出训练中的正则化会平滑得分函数,使模型生成训练样本之间的新数据,而非仅复制样本。实验显示,权重衰减越强,学到的得分函数越平滑;即使没有显式正则化,基于梯度的训练也可能通过隐式正则化产生这一效果。
Google Research 推出 PaperVizAgent 和 ScholarPeer,分别用于生成学术图表和自动评审论文。PaperVizAgent 在经人类图表校准的 LLM 评测中总分为 60.2,超过设定的人工基线 50.0。ScholarPeer 结合网络文献检索与技术主张核验,在并排评测中优于先进自动评审方案。