Le filThèmes : RechercheModèles
Persistence Forcing améliore la génération d’images par diffusion dans l’espace des pixels
1 sourcemis à jour 30 sept.pertinence 3,0 sur5
L’essentiel
Sur ImageNet 256×256, PerF-L atteint un FID de 1,91, proche des 1,86 de JiT-H avec deux fois moins de paramètres. PerF-H obtient 1,63 en 256×256 et 1,76 en 512×512.
Propagation1 article, publié par HF Daily Papers le 30 sept..
Les sources
1 article
HF Daily PapersCommunauté : fiche de la sourceSource primaire
Hugging FaceChong Wang, Zixuan Fu, Shiqi Huang et al.huggingface.co
Persistence Forcing: Exploiting Feature Specialization in Pixel-Space Diffusion (site externe)
Pixel-space diffusion Transformers (DiTs) directly operate on high-dimensional visual data, yet their hidden representations typically undergo uniform refinement across depth.
Sur les mêmes thèmes
Modèles
Xiaomi publie MiMo-V2.6-Pro, un modèle open-weights omnimodal de 1 000 milliards de paramètres
Modèles
Xiaomi MiMo publie MiMo-V2.6-Distill-Qwen-9B, un modèle agentique de 9 milliards de paramètres
Modèles
Reflection dévoile Beam, un modèle d’IA de 501 milliards de paramètres
Modèles
OpenAI publie 722 manuscrits de mathématiques issus d’un modèle interne non diffusé
À lire ensuite
Modèles
Google DeepMind annonce Gemini 4 Argon, déployé d’abord auprès de défenseurs cyber de confiance via Fairwind
Modèles
OpenAI lance GPT-6 Sol et GPT-6 Luna, deux modèles plus économiques qui complètent GPT-6 Astra
Modèles
Anthropic publie Claude Opus 5.5 et OpenAI lance GPT-6 Sol et GPT-6 Luna à environ une heure d’écart
Modèles
Anthropic lance Claude Sonnet 5.5, deuxième modèle de la famille Claude 5.5