imagenet

胡佛研究所《唯在美国》对“人工智能教母”李飞飞的专访——内容涵盖她走上计算机科学之路的历程、ImageNet 在深度学习革命中的作用，以及 World Labs 的“世界模型”将如何把生成式人工智能拓展至空间智能领域，并探讨了求真精神与美国在人工智能方面的准备情况。

分析了连续思维机（CTM）在ImageNet图像分类上的内部动力学，发现其思维轨迹是移动吸引不动点的曲线，注意力调度在图像间基本通用，表明CTM已找到一种处理所有ImageNet图像的统一策略。

本文提出 data-space iteration 框架，将少步生成的迭代过程从概率流空间移至数据空间，从而完全移除对流离散化时间表的依赖，并在 ImageNet 256x256 类条件生成上以最小改动集成 DMD，超越了需要手动调参时间表的基线方法。

AlexNet提交到ImageNet的14周年开启了现代深度学习革命。作者用开源创意流程来庆祝这一时刻，流程基于Qwen-Image 2.1、LTX-2.3、Wan 2.1、InfiniteTalk和ComfyUI，全部运行在一张RTX 3090上。

本文提出了改进的分布扩散模型（iDDM），通过后期粒子扩展与时间依赖的评分规则调度克服了 DDM 的扩展性限制，在 ImageNet-256 上使用 DiT-XL/2，以单阶段从零开始的训练（无需教师模型或自蒸馏）在 4 步采样时达到 4.48 FID，50 步时达到 2.38 FID。

本文提出了 Persistence Forcing（PerF），该方法为像素空间 Diffusion Transformer 中的特征组分配异构的细化预算，从而产生持久的全局结构特征，用以引导活跃的细节特征。PerF-H 在 ImageNet 256x256 数据集上达到了 FID 1.63，在具备竞争力的效率下超越了 JiT-H。

本文介绍了表示分布匹配（RDM），一种通过匹配预训练编码器下的特征分布来实现一步式图像生成的方法，在ImageNet上取得了最先进的结果，并能够将FLUX.2后训练为性能提升的一步生成器。

Parallel Rollout Approximation (PRA) 通过使用低维中间状态和并行训练改进了像素空间自回归图像生成，在ImageNet-1K生成任务上取得了新的最先进结果。

Un-0 是一个由模拟耦合振荡器系统驱动的图像生成器，在 ImageNet 64×64 上达到了 6.74 的 FID，与早期的传统方法相当。该项目开源，旨在展示在物理基板上实现节能人工智能的可能性。

ViT-Up提出了一种用于视觉Transformer的任务无关特征上采样器，在任意连续图像坐标上预测特征，从而能够生成任意分辨率的密集特征图，并提升了密集预测和语义对应基准的性能。它优于先前的最先进上采样器，在Cityscapes上提升了+2.07 mIoU，在SPair-71k上提升了+4.17 [email protected]。

本文研究Engram模块（一种关联记忆机制）在自回归图像生成中是提供内容可寻址检索，还是仅作为门控架构的侧通路。

本文提出对齐潜在几何以实现球形流匹配，将潜在变量投影到固定半径的球面上，并使用球形线性插值来提升图像生成质量，在类条件ImageNet上持续改进FID。