猫眼影戏
 |
|
猫眼影戏
杨斌
手机审查
猫眼影戏记者 郑罗茜 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：国产欧美日产综合第一页
??12月23日,春运返程火车票今日开抢！出行要注意这些信息,
小学捐助活动的校长讲话（通用3篇）
,https://l20.blob.core.windows.net/777/1.html?iuid=1196883 &【妻社-全国夫。??12月23日,未来的粮食这样种,
在各级政府的向导和体贴支持下 ，在各界朋侪的指导和协助下 ， “ 商贸有限公司 终于迎来了揭牌的好日子。
,鹤童比基尼三角泳裤夏日套装,久艹网,N号房安装包2024最新版。??时势2：黄色一级片AAAAA美国第一次处女。
??12月23日,五一档电影总票房破15亿元,
初始地 ，那块大青石上 ，金色通道时时泛起 ，来的人从少年到老者皆有 ，更有连牙齿与头发都掉光了的老骨董 ，相互晤面后不堪唏嘘。
,体育生手冲视频素材男男18禁,人人超碰人人干,欧美一区视频。??12月23日,诗与思之舞 杨庆祥《另一个世界的入口》出版, 详细剖析两个企业补税案例 ，也能一定水平上消除上述担心。枝江酒业之以是被要求补缴8500万元消耗税 ，直接缘故原由是审计部分发明问题 ，税务部分据此执行。,老夫妻性交免费视频,久久这里只视频精品,韩国黄色视频免费。
??时势3：草久久久
??12月23日,国际移民组织发出首个“全球年度呼吁” 望2024年筹资79亿美元,
??12月23日,（走进中国乡村）天津“萨克斯村”吹出致富新音符,
清风自然熟悉他 ，银袍少年为这一届的第一天才 ，名气很大 ，许多师兄师姐皆叹服 ，只是不明确他为何来到这里。
,一级片女人免费网站,91网站黑桃视频,强奷漂亮的女教师中文字幕q。??时势4：妺妺窝人体色777777小馒头
??12月23日,我驻韩使馆确认京畿道车祸事故中有3名中国公民遇难,
一、糜烂从“小节”最先 ，清廉应从“小节”做起
,裸胸视频App,阿部夏树电影免费观看正片,天天操天天色天天日。??12月23日,广东制造 向上突围,
雷霆震耳 ，金色罡气淹没此地 ，威势不可挡 ，小小的躯体被金色电芒包裹着 ，犹如雷神降世 ，大战穿山甲。
,啊啊啊轻点,欧美在线小电影,成年人视频黄色网站。责编：高体健
审核：盖满
责编：苏菲-玛索
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
