标签
Mage-Flow 是一个紧凑的 4B 参数生成栈，用于高效的文本到图像生成和基于指令的图像编辑，具有共同设计的轻量级分词器（Mage-VAE）和经过整流流匹配训练的原生分辨率多模态扩散变换器。它在单个 A100 GPU 上实现 0.59 秒的高分辨率生成，同时达到具有竞争力的性能。
本文提出了AffectFlow-DINO，一种用于第11届ABAW挑战赛的多任务学习系统，该系统采用条件修正流头来建模真实场景下面部行为估计中的不确定性，相比基线取得了显著提升。
本文提出 SRT（时间序列超分辨率），一种使用解耦校正流方法从低分辨率输入重建高分辨率时间模式的框架。该方法将输入分解为趋势和季节性成分，应用隐式神经表示进行分辨率对齐，并引入跨分辨率注意力机制以生成细粒度细节，在多个数据集上实现了最先进的性能。
ChangeFlow 提出了一种用于遥感变化检测的生成式框架，该框架利用纠正流在潜空间中合成变化掩码，通过基于采样的预测集成实现了更高的准确率和鲁棒性，在四个基准数据集上的平均F1分数达到80.4%。
Irodori-TTS-500M-v3是一个基于Rectified Flow Diffusion Transformer的日语TTS模型，支持零样本语音克隆以及独特的基于表情符号的风格/音效控制。
本文介绍了PNAPO，一种针对整流流模型的离线偏好优化框架，该框架通过噪声样本增强偏好数据，并采用动态正则化来提高训练效率和样本效率。