猫眼影戏
 |
|
猫眼影戏
维利奇卡
手机审查
猫眼影戏记者 蒋方舟 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1：三级视频免费观看
??12月24日,冯彬说拿下生涯首枚奥运奖牌很开心,
??12月24日,“港澳台侨大学生国情教育基地”揭牌仪式在贵州省社会主义学院举行,
“吼……”一声大吼传来，村头一头玄色的巨虎泛起，高足有三丈，长有六七丈，很是重大，快速奔来。在它的后方，尚有四只小虎崽，憨态可掬，一起随着跑来。
,操久久九月天,免费一区二区三区毛片完整版,荷兰世交大直播回放下载网址。??时势2：亚洲色哟在线
??12月24日,飞瞰雪后赣鄱大地 银装素裹日出云海风景这边独好,
很惋惜，他远非这头遗种的敌手，仅一爪子罢了，就将他连人带剑一起抓成了两截，血液喷起很高。
,成年人黄色网站AA,毛片a片,他说视频破解版下载。??12月24日,泰国宋干节后新冠肺炎病例激增,
一、举行这次村级干部培训班的意义何在?
,乱淫视频,35pao 18岁禁,中国Ⅹ站。??时势3：国产综合久久精品综合AV无码
??12月24日,（两会速递）中国文旅部：对外国游客入境便利性进行全流程梳理,
不久后，村民平复下了心情。
,脏脏资源宝库,操逼欧美一区,手机直接看操B的毛片。??12月24日,“五一”假期山东旅游市场火热 “松弛感”“反向游”成新潮流,
这一日，皇都像是炸开了国一样平常，激起轩然大波，此后彻底欢喜，许多人议论纷纷，简直不敢相信这一切。
,成,人免费视频在线观看播放,三级坐爱网站,亚洲欧美日韩中文视频在线观看。??时势4：范冰冰一晚上几次高潮
??12月24日,中国—东盟产业合作区起步成势 加快构建现代化产业体系,
他的拳风是玄色的，发出噼啪之声，那是雷电在交织，最终化成一片玄色的电芒，密密麻麻，下降而下。
,AAA级无码视频,K200tV,搜久5566AV老汉推车。??12月24日,春节上榜！世界“非遗”总数第一，中国是怎么做到的？,
嬉生事后，小不点伸出白嫩嫩的小手，搂住紫云的脖子，显得很亲昵，让它松开并显化宝骨上的印记，以利便他探讨。
,91大神福利导航,黄色A片那个网址,被粗大 捣出白浆。【柬埔寨证券公司CEO：柬资本市场将迎来“黄金十年”】
责编：蔡珩
审核：张珮华
责编：文程兆
Copyright (C) 2001- Dzwww 鲁ICP备09023866号-1
