猫眼影戏
 |
|
猫眼影戏
黄凌
手机审查
猫眼影戏记者 王广太 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：超碰在线地址
??12月29日,1—9月份规模以上工业企业利润同比下降 高技术制造业凸显发展韧性,
突然，小不点一惊，道：“快，它又来了。”
,啊不要进不去好疼。??12月29日,西藏那曲：酥油花“绽放”藏传佛教寺院琼科寺,
“这群娃子在做什么？”一群大人也被惊动了。
,免费看亚洲一区二区三区黄色视频,影音资源资源站,亚洲国产精品尤物yw在线观看。??时势2：尤酸乳最新版本更新内容
??12月29日,CBA：浙江大胜“领头羊”新疆 盖利成“替补奇兵”,
火红的雀儿扑棱了一下同党，艰难地站了起来，在其胸腹间的伤口处符文闪灼，一直破损它的生气。
,黄色视频国产网站,黄A片一区二区,美女隐私软件下载安装。??12月29日,大金砖合作引领全球南方大团结,
??时势3：把老师骚逼扒开
??12月29日,中国日报漫画：做美国的敌人是危险的，做美国的盟友是致命的,
周六，为了视察情形；は肿，我们一家来到了具有浓重人文气息的河南大学。
,妈妈的屁股好大好想操视频,97人人操人人摸超碰,天天插天天日天天操。??12月29日,香港中学生升旗队北京参访：努力把五星红旗扬出漂亮的弧度,
“爷不干了，歇工，接连几天，我漂亮的羽翅都最先脱毛了，再这样下去我会英年早衰的！”大红鸟连着飞了几日，累到发蔫，最先歇工。
,亚洲 另类 春色 国产,插女爽叫黄视频,国产一级a爱视频在线。??时势4：黑人和白人做爰
??12月29日,全球看春晚！2600多家海外主流媒体将直播和报道总台春晚,
这是什么地方，石村众人皆不知身在何方，全都一愣一愣的，怎么突然脱离了大荒，走出了那片山脉？
,欧美性高潮xxxx,国产激情观看在线小视频,久久操。??12月29日,《习近平关于人才工作论述摘编》出版发行,
场景再变，漂亮的大湖瞬间模糊。
,特黄特色高清大片免费观看,动漫男性脱 给我揉 亲嘴网站,免费人成视频在线观看完整版。责编：刘利刚
审核：詹姆斯·希尔顿
责编：板仓时已
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
Copyright (C) 2001- Dzwww 鲁ICP备09023866号-1
