v7.169.166 安卓漢化版
v2.909.6307 IOS版
v4.882.7103.522678 安卓版
v3.908.1183 PC版
v6.562.9832.946906 PC版
v6.443.1643.902325 PC版
v2.933.4184.617542 安卓免費版
v7.834 最新版
v2.79 安卓漢化版
v6.770.9911.183358 安卓版
v9.979.4471.87161 安卓版
v3.119.6145 安卓漢化版
v7.951.4288.312341 最新版
v2.87.5304 最新版
v6.193.3190.989482 最新版
v1.622 安卓免費版
v3.687.7405.557144 安卓免費版
v4.375 安卓漢化版
v3.759 IOS版
v7.797.8214.412075 最新版
v8.78.106.559629 PC版
v4.791.7948 PC版
v6.644.3333.317051 最新版
v3.322.15 安卓漢化版
v7.684.7975 安卓最新版
v9.222.5112.390166 PC版
v6.289 安卓免費版
v7.489.9333.490265 IOS版
v4.822.9544.132362 安卓漢化版
v5.546.2536 IOS版
v5.941.1468.989900 最新版
v6.189 安卓最新版
v3.237.4699.353685 安卓漢化版
v6.477.5458.572828 IOS版
v4.393.9947 安卓免費版
v4.64.4403.293331 PC版
v3.707.3392.971858 PC版
v6.250 IOS版
v4.476.5203 安卓免費版
v2.488.8726.235645 安卓最新版
v5.40.2528.98445 安卓最新版
v3.825.5940 安卓版
v4.685.2521.794569 安卓最新版
v1.625.7183 安卓版
v2.312.8716.389729 安卓漢化版
v5.483 安卓漢化版
v3.682.8457.137338 PC版
v9.889.1434.593057 安卓最新版
v9.379.3755.760503 IOS版
v3.505 安卓免費版
v2.940.3744 IOS版
v1.410.8291 PC版
v7.547.6630.470985 安卓最新版
v7.503 安卓版
v5.177.8173 安卓版
v6.338.3486 IOS版
v6.449 PC版
v1.970 PC版
v4.326.4529.282230 安卓版
v7.148.5161.309693 IOS版
v6.869 PC版
v6.604 安卓最新版
v9.1.8824 安卓免費版
v1.686 安卓版
v5.332.7856.146197 安卓免費版
v5.326 安卓漢化版
v6.754.5723.725765 PC版
v7.825.9804 IOS版
v5.545.3358.722968 IOS版
v5.623.9349.58029 安卓漢化版
v6.18.2877 安卓免費版
v1.917 安卓免費版
v5.948 安卓免費版
v4.603 最新版
v6.690.5830 安卓免費版
v6.317 安卓版
v5.854.5273.156558 最新版
v4.203.8114.501047 安卓版
v6.36.241.346824 PC版
v9.94 最新版
国产一级 在线播放
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 。
我们经常会疑惑:为什么视觉模子越高级,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表征通常会经由MLP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!
相关版本
多平台下载
审查所有0条谈论>网友谈论
色欲天天婬色婬香综合完整
青青青在线视频
六位少妇按摩精油按摩
成人视频免费
aⅴ精品一区二区三区
哟哟精品
黄色片九九操
日韩群交视频在线观看免费
女同18 H动漫
美国黄片aaa
女人pooping
天天激情网站
性爱黄色视频
性巴克安装
久久国产伦精品视频
伊人久久综合色
欧美黑人双飞视频3区
日韓肏屄视频
东京热坂道美琉视频黄网站
黑屌视频
520886美国版!17c
黄色精品在线视频
欧洲黄色网络
美女视频黄色网站免费看
无码毛片一区二区视频在线播放
天天色狼网