DC-SAE, un autoencodeur sémantique, accélère la convergence de la diffusion avec une forte compression
1 sourcemis à jour il y a 6 jpertinence 2,0 sur5
L’essentiel
Sur ImageNet en 512×512, DC-SAE atteint une compression spatiale de 32× avec 29,79 de PSNR et 3,37 de gFID. Il dépasse DC-AE de 13,5 % en PSNR et de 54,9 % en gFID.
Propagation1 article, publié par HF Daily Papers le 1 oct..
Les sources
1 article
HF Daily PapersCommunauté : fiche de la sourceSource primaire
Hugging FaceXu Huang, Ye Huang, Zijun Liao et al.huggingface.co
DC-SAE: Deep Compression Semantic Autoencoder for Faster Diffusion Convergence (site externe)
High-compression tokenizers are essential for scaling latent image generative models.
Sur les mêmes thèmes
Recherche
Xiaomi publie MiMo-V2.6-Pro, un modèle open-weights omnimodal de 1 000 milliards de paramètres
Recherche
Xiaomi MiMo publie MiMo-V2.6-Distill-Qwen-9B, un modèle agentique de 9 milliards de paramètres
Recherche
NVIDIA affine Nemotron 3 et atteint le niveau or à l’IOI 2026 et à l’IMO 2026
Recherche
Reflection dévoile Beam, un modèle d’IA de 501 milliards de paramètres
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