猫眼影戏
 |
|
猫眼影戏
唐斐婷
手机审查
猫眼影戏记者 约翰·斯 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：黑人黄色做爱
??12月25日,新疆夏嘎乐团：更多人感受原生态音乐的魅力,
不久前被活劈 ，成为他一生的污点 ，无需多想 ，这些新闻传回远古神山 ，他没有资格成为继续人了。
?第二百四十七章 漂亮的敌手,欧美日韩在线啊啊啊啊啊啊用力啊啊啊啊啊用力。??12月25日,30余名侨界子女沉浸式体验华侨拼搏故事,
9、增强档案干步队伍建设
,加勒比中文,免费A级大毛片,埃及猫黄。??时势2：《小樱鸣人》免费漫画
??12月25日,江苏少儿戏曲“小梅花”齐聚无锡唱响梨园梦,
金狼部落的人闻言蹙眉 ，这个小家伙是居心的吧 ，想借势拒绝他们 ，虽然看起来很纯粹 ，但做出的选择却不差。
,动漫人物桶动漫人物动漫免费,91大神大战酒店翘臀美女,肏屄视频网。??12月25日,大熊猫卖萌憨态可掬,
他也许还做不了什么 ，可是却想知道他们的音讯 ，饱含着情绪、对亲人的忖量 ，见不到 ，哪怕能获得一点新闻 ，也算是一种慰藉。
,欧美一级在线视频,男人桶美女的屁股桶到爽,天天色天天干网址。??时势3：最新欧美αⅴ
??12月25日,五部门：开展智能网联汽车“车路云一体化”应用试点工作,
近两年来 ，石昊前进神速 ，老族长所网络的一堆骨书都被他研读了个透彻 ，造诣极深。他已经到了极尽升华、即将突破到另一领域的田地。
,水蜜桃视频,黄色视频久久7,淫荡欧美。??12月25日,浙江临海：新乡贤“组团”报桑梓 一副眼镜促县域发展,
这个时间 ，已经进入了石毅一脉的居地 ，他们这一脉的人焦虑 ，以宝骨等布下杀阵 ，镇压石子陵。
,先锋资源啪啪,久久精品视频这里,哈c够了吗。??时势4：99.riav.1
??12月25日,公安部：简化办牌办证手续 推出3项便民利企新措施,
净土中 ，所有门人都悲啸 ，这个效果令他们难以接受。祭灵给予了他们太多 ，化解厄难 ，征战上古 ，现在却神火熄灭 ，凄凉落幕。
,中国产 HD,女生被插视频网站,一级黄片。??12月25日,“安薪北京”冬季专项行动统一 执法日为农民工追发工资超400万元,
这种生灵可以施展符文 ，但并不可形成原始宝骨 ，就犹如那独角兽一样平常 ，有一定的实力 ，但算不得真正的强盛凶兽。
,掀开老师的裙子 狂,欧洲美熟女乱又伦日韩国产馆,免费试看120秒免费。【西藏布达拉宫迎“年度美容”】
责编：徐明明
审核：刘柱
责编：方令正
Copyright (C) 2001- Dzwww 鲁ICP备09023866号-1
