猫眼影戏
 |
|
猫眼影戏
韦佳丽
手机审查
猫眼影戏记者 张堂孝 报道Q8X2R7L1T4J5M9B6W3
新智元报道
编辑：倾倾
【新智元导读】学霸的假话被揭穿！一篇来自Adobe Research的论文发明，高语义明确并不会提升天生质量，反而可能破损空间结构 。用iREPA简朴修改，削弱全局滋扰，天生质量连忙飙升 。
我们经；嵋苫螅何裁词泳跄Ｗ釉礁呒，天生效果反而越差？
最近，Adobe Research发了一篇论文，专门诠释了这个看起来有点变态、但重复泛起的征象 。
论文地点：https://arxiv.org/pdf/2512.10794
按直觉，模子要先知道「这是什么」，才华把它画出来 。
ImageNet上的分类准确率越高，说明模子的语义明确越强，天生的内容越稳固、越靠谱 。
但这篇论文给出的效果，完全相反：
一些在识别使命中体现平平、甚至看起来「很不智慧」的视觉编码器，反而能天生出结构更清晰、质量更高的图像 。
全局语义能力越强，天生反而越容易出问题 。
很可能我们从一最先，就误会了天生模子真正善于的是什么 。
为什么视觉模子越「智慧」，天生的反而越差？
先看一个已经被重复验证的事实：一个模子在ImageNet上的线性探测准确率越高，并不料味着它更适适用来做天生 。
最直观的例子是SAM2 。这是一个在识别使命里不出彩的模子，验证准确率只有24.1%，远低于主流视觉大模子 。
但当这些编码器被用于REPA时，SAM2的天生质量反而优于一批准确率横跨约60%的模子 。
SAM2的ImageNet验证准确率仅为24.1%，但在REPA框架下的天生gFID显着优于多种准确率凌驾70%的视觉编码器 。
这还不是某一个模子的无意体现 。
论文进一步较量了统一编码器家族中差别规模的模子，效果发明：模子越大、分类准确率越高，天生质量反而可能相似或更差 。
随着模子规模和分类准确率提升，天生gFID反而整体变差，批注这一征象并非由个体模子导致 。
显然，「高语义能力=好天生」这条默认路径，在大宗实验中并不建设 。
更要害的是，这种征象并不是噪声 。
在跨模子、跨设置的系统性剖析中，全局语义指标与天生质量之间的相关性始终很是弱 。
分类能力与天生质量险些无关，空间结构却高度相关 。左：线性探测准确率与天生 gFID 的相关性极弱（Pearson r=-0.26） 。中：空间结构指标（LDS）与天生质量泛起出显著强相关（Pearson r=-0.85） 。右：基于空间结构刷新的iREPA，在多种编码器上稳固优于REPA 。
论文进一步对多种视觉编码器做了相关性剖析，效果很是明确：
线性探测准确率与天生质量之间险些不保存相关性 。
相比之下，反应patch空间结构的指标，与天生质量泛起出极强的正相关关系 。
若是不是「明确多」，那天生模子究竟依赖的是什么？
重复确认会压扁空间结构
在明确了「高语义≠好天生」之后，真正的问题酿成了：
为什么模子越是重复确认，天生反而越容易出问题？
要害就是，全局语义会在天生历程中压扁空间结构 。
在天生使命中，模子并不是一次性输出图像，而是在训练和采样历程中，一直对局部patch之间的关系做判断 。
论文将这种能力归纳综合为「空间结构」：即相邻patch之间应坚持更高相似性，而远处patch不应被全局语义过早拉近 。
但当模子太过追谴责局语义一致性，好比通过CLS token ，或对所有patch做全局平均来强化「这是什么」，这些局部差别就会被系统性地削弱 。
这种做法会导致一个直接效果：远景物体的patch，与本应无关的配景patch之间，泛起异常高的相似性 。
空间比照度下降，界线变得模糊，天生效果因此糊成一片 。
PE-G和WebSSL-1B在ImageNet上具有更高的分类准确率，但它们的空间自相似性显示，远景与配景被太过拉近，界线模糊 。相比之下，空间结构更清晰的SpatialPE-B，天生质量显著更好 。
研究员向模子中逐步加入全局语义信息，视察分类能力和天生质量的转变 。
效果如下图所示：
增强全局语义信息会损害天生质量
随着全局信息权重α从0增添到0.5，模子的线性探测准确率一连上升 。
但天生质量却显著下降，FID显着恶化 。
也就是说，「更懂这是什么」确着实爆发；但与此同时，模子也失去天生所依赖的空间结构 。
这并不是优化不充分的副作用，而是由于全局语义在天生阶段饰演了一个「过强约束」的角色 。
它让模子更快告竣结论，却也更早放弃了对局部结构的细腻描绘 。
既然语义会滋扰天生，iREPA选择退后一步
若是说前面的实验回覆了「问题出在哪」，那 iREPA 回覆的就是另一个问题：
既然全局语义会滋扰天生，那该怎么对齐体现，才不会把结构压扁？
iREPA给出了谜底 。它对原本的REPA训练流程做了两处很是简朴的修改，总共不到四行代码 。
第一处，是投影方法的改变 。
在标准REPA中，patch表征通；峋蒑LP投影层举行对齐 。
但论文指出，MLP在这一历程中容易混淆差别位置的信息，无意中削弱了空间比照度 。
因此，iREPA用一个3×3的卷积层（padding=1）替换了MLP投影 。
卷积的归纳偏置能保存局部邻域关系：相邻patch的相互影响被保存，远处区域则不会被过早混在一起 。
第二处修改，直接针对全局语义 。
iREPA在对齐历程中引入了一个空间归一化层，移除了patch特征中的全局均值分量 ，让模子专注于局部之间的差别与界线 。
iREPA怎样通过两处修改，恢复天生所需的空间结构 。 (a) 使用卷积投影替换MLP，可更好地保存局部空间关系 。 (b) 空间归一化层通过移除全局分量，提高patch之间的空间比照度 。 (c) 经由这两步修改后，iREPA天生的diffusion特征泛起出更清晰的空间结构 。
正是这两点改动，让iREPA在机制上与前一节的问题形成了严酷对应：
全局语义太强会抹平结构，那就在对齐阶段削弱全局分量、强化空间关系 。
效果也在意料之中 。
无论是在ImageNet规模的天生使命，照旧更高区分率的设置，亦或是文本到图像的多模态天生使命中，iREPA都体现出更快的收敛速率和更好的最终天生质量 。
更主要的是，这种提升并不依赖于某一个特定编码器 。
在差别模子规模、差别视觉主干网络、差别训练设置下，iREPA都能稳固刷新 。
这不但是一个技巧，而是顺着天生使命自己对结构的需求，把体现对齐这件事做得更榨取、更细腻 。
许多时间，我们讨论天生模子时，会下意识沿用一个标准 。
但这篇论文提醒了我们，天生并不是明确的自然下游 。
对天生来说，最主要的并不是「这是什么」，而是「哪些地方该靠近，哪些地方该脱离」 。
当我们一味强化全局语义，重复鞭策模子给出谜底，着实是在替它提前下结论 。
iREPA并没有试图让模子变得更智慧 。它做的更像是退后一步，把空间还给空间，把结构还给结构 。
效果不是明确能力的奔腾，而是天生质量的回归 。
参考资料：
https://x.com/1jaskiratsingh/status/2000701128431034736?s=20
https://end2end-diffusion.github.io/irepa/
秒追ASI
?点赞、转发、在看一键三连?
点亮星标，锁定新智元极速推送！
??时势1：日韩免费网页版视频
??12月25日,铺开家庭养老床位还要破哪些题,
二、以后农业生态建设事情思绪
,小伙子泻火老阿姨最新消息今天视频 。??12月25日,探寻汉字之美 “汉字演变”主题展览在伦敦开幕,
“噗”、“噗”……
,久久加勒比久久精品电影,色抖国产,先锋资源影音资源 。??时势2：新婚夜真人实战
??12月25日,十年，为一个山冲“筑梦”,
突然，就在祭灵刚定心的刹那，一股恐怖的波动爆发，那轮神月炸开了，圣辉欢喜，将所有金色鳞片都震散，飞向周围八方，一时间竟无法聚拢 。
,美女福利国产精品免费观看,福利社 你懂的,大乳小说 。??12月25日,拉萨首届进口商品展览会开幕 600余名外籍客商齐聚拉萨,
天亮后，还没有等他们启航，大门外就传来了声音，一个嘹亮的嗓音传来，道：“孩子，你在那里，大叔接你来了，脱离这个鬼地方，省得被那几个仆从欺压 。”
,亚洲Aⅴ无码专区国产乱码,91精产品久久久久久网页版,偷看国内a级毛 。??时势3：女性脱 给我揉 的软
??12月25日,要将“为学”与“成人”有机结合,
火花四溅，银色磨盘与赤羽交击，强烈碰撞，爆发出了怒海汹涌般的恐怖波动 。
,性感白丝袜美女姐姐拍三级片,一级作爱视频免费视频大全,人妻人人澡人人添人人爽 。??12月25日,中新教育丨2024年上半年中小学教师资格考试（面试）结果6月14日可查,
这是一个收获的季节，也是一段充分的日子，小不点逐日都在修行，精神饱满，天天都有喜悦感 。
,男生的 放男生的 软,十八禁小黄片无码在线看,男女刺激视频无遮挡 。??时势4：国产在线视频一区
??12月25日,美国旧金山民众抗议福岛核污染水排海,
一座神庙发光，宛若是以一块又一块金子筑成，沐浴在霞辉中，神圣无比，它位于雨族最深处，光雨飞洒 。
,骇爪任务失败被绑在十字架,国产真实迷奸系列,爽爽爽视频 。??12月25日,【央视快评】开创共建“一带一路”更加光明的未来,
责编：屈海齐
审核：斯米尔诺夫
责编：李秀晶
Copyright (C) 2001- Dzwww 鲁ICP备09023866号-1
