猫眼影戏
 |
|
猫眼影戏
张海涛
手机审查
猫眼影戏记者 胡家湾 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！
??时势1：免费三级视频在线看
??12月24日,（新春走基层）新成昆铁路动检列车成“年货专列” 丰富川滇两地年味,
小不点一溜烟地逃了 ，扛着那枚发光的茧翻山越岭 ，速率极快 ，在他看来紫衣少女看上的工具绝不会差 ，先抱走再说 。
,黄色网站哪里可以看 。??12月24日,探访浙江规模最大的盐田复垦项目,
?学生暑假打工拿不到人为怎么办,污视频18岁以下禁止观看免费网站,青春草官网在线视频,色就是国产 。??时势2：无码中文字幕第一页
??12月24日,从0到1，新突破！我国首条规模化民航轮胎生产线投产,
一群人都石化 ，说不出话来 ，这太让人受惊了 。
,黄图视频亚洲,婬片A片视频,看黄色欧美性生活视频一级 。??12月24日,法国童声合唱团海南听黎歌赏黎锦跳黎舞,
“我端着一碗兽奶 ，放在他的眼前 ，他居然都没有看到 ，这不正常啊 。”
,金荷娜韩国svip在线播放,日本羞羞黄A在线视频,一级a片黄片夫妻免费看 。??时势3：国产产在线精品亚洲A福利
??12月24日,国铁集团：2024年春运预计全国铁路将发送旅客4.8亿人次,
果真 ，在接下来的几天里 ，独角兽更松开了 ，与孩子们越发亲近 ，允许他们爬到背上 ，载着他们在大湖边上奔驰 。
,小 伸入,黄站18禁免费,久久麻豆视频 。??12月24日,纪念杨沫诞辰110周年活动在京举办 音乐剧《青春之歌》发布,
1、放假时间为：9月6日至9月8日 ，(一共3天)9月9日(星期二)到校上课 。
,免费亚洲美女a片,三级黄色性做做久久,A片色黄大色大片 。??时势4：破处视频在线
??12月24日,赛道“又虐又美” 近2000名选手竞速“梵净山迎春登山赛”,
“喵！”
,芒果视频app黄,柳州莫菁囗交全套高清图片,国产大学生A片在线观看 。??12月24日,商务部：加强相关两用物项对美国出口管制,
一群人诅咒 ，难以接受这个事实 。
,国际在线无码免费A片,男女配种全部过程免费视频,凹凸紧身裤看到lB毛馒头视频 。【江西南昌发现“水中大熊猫”桃花水母】
责编：孙韶华
审核：刘同庆
责编：贺新
Copyright (C) 2001- dzwww.com. All Rights Reserved
新闻信息效劳允许证 - 音像制品出书允许证 - 广播电视节目制作谋划允许证 - 网络视听允许证 - 网络文化谋划允许证
山东省互联网传媒集团主理 联系电话：0531-85193202 违法不良信息举报电话：0531-85196540
鲁ICP备09023866号-1 鲁公网安备 37010202000111号
Copyright (C) 2001- Dzwww 鲁ICP备09023866号-1
