热点事件持续更新

APEX：异步前缀去噪实现极端压缩

1 篇报道1 个报道来源1 小时前更新

先了解这件事

AI 综述

David Dinkevich 等作者提出一种名为 APEX 的异步前缀去噪方法，将分层潜在空间与按通道组异步去噪结合，在不增加 token 的前提下缓解高压缩率下重建与生成的矛盾。据该论文，在 ImageNet-512 上，APEX 在 64x 和 128x 压缩下于所有评测通道数上均优于现有方法；在相同训练与引导采样算力下，它在各算力预算下都超过 256-token 模型，且算力越低增益越大。代码已开源。

AI 根据报道生成 · 1 小时前更新

最新进展10月12日 12:00

APEX：面向极限压缩的异步前缀去噪

报道时间线

沿着报道，了解事件的不同侧面。

10月12日

12:00
arXiv cs.CV
APEX：面向极限压缩的异步前缀去噪
APEX 是一种面向极限压缩的异步前缀去噪方法，通过将分层潜在空间与按通道组异步去噪相结合，在不增加 token 的前提下缓解了高压缩率下重建与生成的矛盾。在 ImageNet-512 上，APEX 在 64x 和 128x 压缩下于所有评测通道数上均优于现有方法；在相同训练与引导采样算力下，它在各算力预算下都超过 256-token 模型，且算力越低增益越大。代码已开源。

本事件热度走势

还没有足够的连续观测数据，暂不绘制趋势。