Beiträge

Artikelbild für den Artikel: ContinualFlow in Generative Models

ContinualFlow in Generative Models

/
0 Kommentare
ContinualFlow ist ein neuartiger Ansatz für gezieltes Unlearning in generativen Modellen, der unerwünschte Datenbereiche effizient subtrahiert, ohne eine vollständige Neutrainierung zu erfordern.
Artikelbild für den Artikel: Verbesserung der Natürlichkeit in generativen Sprachmodellen

Verbesserung der Natürlichkeit in generativen Sprachmodellen

/
0 Kommentare
In diesem Artikel wird ein neuartiges variationales Framework vorgestellt, das die Natürlichkeit in generativen Sprachmodellen verbessert, indem es automatisch prosodische Merkmale lernt.
Artikelbild für den Artikel: FLUX.1 Kontext für In-Context Bildergenerierung: Eine Revolution in der Bildbearbeitung

FLUX.1 Kontext für In-Context Bildergenerierung: Eine Revolution in der Bildbearbeitung

/
0 Kommentare
Black Forest Labs hat mit FLUX.1 Kontext eine Suite von Flow-Matching-Modellen veröffentlicht, die text- und bildbasierte In-Context-Bilderstellung und -bearbeitung ermöglicht. Diese Modelle bieten verbesserte Text-zu-Bild-Fähigkeiten und lokale Bearbeitungsoptionen.
Artikelbild für den Artikel: Forward-Only Diffusion: Ein neuer Ansatz in der generativen Modellierung

Forward-Only Diffusion: Ein neuer Ansatz in der generativen Modellierung

/
0 Kommentare
Die Forward-Only Diffusion (FoD) stellt einen neuen Ansatz in der generativen Modellierung dar, der auf einer mean-reverting stochastischen Differentialgleichung basiert und sich von traditionellen Diffusionsmodellen abhebt.
Artikelbild für den Artikel: Unified Training and Sampling für Generative Modelle: Ein Überblick über UCGM

Unified Training and Sampling für Generative Modelle: Ein Überblick über UCGM

/
0 Kommentare
UCGM bietet ein einheitliches Framework für das Training und Sampling von kontinuierlichen generativen Modellen, das sowohl multi-step als auch few-step Ansätze unterstützt.