李飞飞团队新突破：简单调整生成顺序，显著提升图像生成质量
文章转载于量子位
作者：闻乐
长期以来，AI生图被一个经典矛盾困扰。
潜空间模型效率高，但细节有损耗；像素空间模型保真度高，却容易结构混乱、速度慢。
要么快要没准，大家几乎默认这是架构带来的取舍问题，没法彻底解决。
但扩散模型生图，顺序真的对吗？
李飞飞团队最新论文提出的Latent Forcing方法直接打破了这一共识，他们发现生成的质量瓶颈不在架构，而在顺序。
简单说就像画画必须先打草稿再填色，AI也需要一个「先定结构、后填细节」的强制逻辑。
Latent Forcing仅通过重排生成轨迹，像素扩散模型不仅找回了效率，更在多项指标上刷新SOTA。
1
传统方法瓶颈
在深入了解Latent Forcing之前，咱先来说说当前两大方法的瓶颈。
传统像素级扩散模型之所以画图会画歪，是因为它在降噪过程中，高频的纹理细节往往会干扰低频的语义结构。
模型常常在还没搞清楚物体的整体轮廓时，就被迫去预测局部的像素颜色，其实这在本质上就违背了视觉生成的自然逻辑。
为了解决这个问题，行业此前大多转向潜空间。
它通过预训练的tokenizer把图像压到低维空间，生成速度飞起。
但潜空间模型必须依赖一个预训练的解码器，但这不仅会引入重建误差，也让模型失去了端到端建模原始数据的能力。
于是李飞飞团队思考——
能不能既保留像素级的无损精度，又获得潜空间的结构引导？
1
先打个草稿
Latent Forcing的答案是——
对扩散轨迹重新排序。
怎么做的呢？
在不改变基础Transformer架构的前提下，引入了双时间变量机制。
在训练和生成过程中，模型会同时处理像素和潜变量。不同的是，团队为两者定制了独立的降噪节奏：
潜变量先行：在生成初期，潜变量会率先完成降噪，在大尺度上确立图像的语义骨架；
像素填色：在结构确定后，像素部分再跟进进行精细化降噪。
这么一看，潜变量就像是一个临时的草稿本。
生成结束时，这个草稿本直接丢弃，最终输出仍是100%无损的原始像素图像，没有任何decoder。
整个过程端到端、可扩展，几乎不增加计算量（token数量不变，速度接近原生DiT）。
这种先latent后pixel的细微调整，在ImageNet榜单上展现了出色的表现。
在相同计算规模，训练80个epochs的条件下，Latent Forcing在ImageNet-256任务中，条件生成的FID分数较此前最强的像素级模型JiT+REPA，从18.60降到9.76，接近腰斩。
在200个epoch的最终模型（ViT‑L 规模）下，Latent Forcing实现了条件生成FID 2.48（guided）、无条件生成FID 7.2（unguided）的分数。
创下像素空间扩散Transformer新的SOTA。
过去学术界普遍认为，必须通过更高倍率的有损压缩才能换取好的FID表现。
Latent Forcing则用数据反驳了这一观点——
在保持100%原始像素精度的情况下，我们依然能跑出超越有损模型的性能。
Latent Forcing项目由李飞飞领衔。
第一作者Alan Baade是李飞飞的学生，斯坦福计算机系博士生，在扩散模型和生成建模方向有深入研究。
其他斯坦福共同作者包括Eric Ryan Chan、Kyle Sargent、Changan Chen和Ehsan Adeli。
此外，密歇根大学教授Justin Johnson作为合作作者参与其中。
论文地址：https://arxiv.org/abs/2602.11401
点个“爱心”，再走 吧
相关攻略
每年五月的Display Week盛会，堪称全球显示技术领域的风向标与竞技场。今年在洛杉矶，各大厂商纷纷亮出最新成果，而华星光电带来的一款“微缩”显示屏，成为了全场瞩目的焦点。 这款显示屏的尺寸仅为0 28英寸，小巧到足以无缝集成于任何追求极致轻薄的AR智能眼镜镜腿或镜框之中。其最令人惊叹之处在于像
泰坦军团 G27T6T 显示器上架：三星 QD-OLED 2K 360Hz 面板，国补价 3298 5 元 最近，显示器市场又迎来一款值得关注的新品。泰坦军团的 G27T6T 显示器已在京东正式开售，核心卖点很明确：搭载了一块 26 5 英寸的三星 QD-OLED 面板，分辨率达到 2K，刷新率更是
构建自主可控的专利体系，掌握国际竞争主动权 作者 | 徐长卿 编辑丨高远山 来源 | 野马财经 你是否遇到过这样的烦恼：手机或手表屏幕不小心磕碰了一下，起初只是一个小点，随后黑斑却像墨水滴入清水般逐渐扩散开来，最终导致整块屏幕失灵？这个困扰用户多年的问题，其根源深植于OLED制造中一道名为精细金属掩
一加新品前瞻：天玑9500新机与影像旗舰在路上 最近数码圈又热闹起来了。综合各方消息来看，一加在接下来的几个月里，准备了好几款新品要和大家见面。 这不，知名爆料博主@数码闲聊站 又带来了一份新机情报。据称，这款新设备将搭载一块6 78英寸的1 5K分辨率屏幕，关键是刷新率直接拉到了165Hz，并且采
快科技4月6日消息，据博主 "智慧皮卡丘 "爆料，小米18系列将全系标配2亿像素长焦，影像能力大幅升级。尤其对于标准版来说，这还是第一次用上潜望长焦，补齐了远摄能力的最大短板，现在真正让小屏机也成为水桶
热门专题
热门推荐
香港科技大学牵头研制的“天韵相机”随天舟十号升空，该项目由内地与香港科研团队合作完成，体现了双方优势互补的高效能。香港科研正深度融入国家发展大局，从“参与”转变为“不可或缺”的一部分。项目不仅激励更多机构参与国家重大工程，还积极推动成果转化，相关企业正将监测数据转化。
英伟达股价5月14日创下236 54美元历史新高，收盘涨4 39%至235 74美元，盘后交易继续微涨，公司总市值攀升至约5 71万亿美元。
PudgyPenguins生态代币PENGU采用创新的质押与销毁机制，旨在平衡价值捕获与社区激励。其定位超越了传统NFT项目，致力于构建一个融合实体商品、游戏与社交的综合性IP生态。通过独特的“灵魂绑定”特质和多元化的应用场景，PENGU力图在竞争激烈的Web3赛道中，探索出一条可持续的IP价值实现路径。
马斯克起诉OpenAI案进入结案陈词阶段。马斯克指控OpenAI背离非营利初衷，违反信托义务并转向营利，其律师质疑奥特曼信誉并指责微软协助不当行为。OpenAI律师反驳称马斯克证词矛盾，且其本人也曾试图控制公司获利。诉讼结果可能取决于是否在法定时效内提起，并将影响OpenAI未来发展与IPO进程。
彭博社报道，OpenAI对与苹果的合作现状非常失望，ChatGPT集成未达预期增长。OpenAI正评估法律选项，可能向苹果发出违约通知。双方于2024年宣布深度合作，但功能入口较深、收入低于预期。苹果则关注OpenAI隐私标准及硬件动向。科技公司与苹果合作历来复杂，历史案例包括谷歌地图、AdobeFlash及Spotify纠纷。