training-strategy

本文针对像素空间文本到图像扩散模型提出了一种从潜在空间到像素空间的训练策略，加速了收敛并提高了推理速度，同时性能与潜在空间模型相当或更优。

提出自梯度强制（SGF），一种用于自回归视频扩散模型的双通训练策略，为写入有用的上下文记忆提供缺失的监督，即使在短训练窗口下也能实现强大的长视频外推。

ILLUME-X 是一个统一的自由形式交错图文生成多模态模型，具有改进的数据效率、稳定的训练以及名为 ILScore 的全面评估指标。它在风格迁移、图像分解和故事讲述等任务上优于之前的模型。