深度分析
JuZhou 1.0:0.4B 原生中文離線手機文本到影像模型,搭載 Rectified Flow 與 DMD2 蒸餾
隨著文字生成影像模型體積與計算需求高企,研究提出JuZhou1.0以0.4B參數的極簡U‑Net與1.9M解碼器實現離線手機生成,採用RectifiedFlow與DMD2四步蒸餾,於國產SugonK100加速器完成訓練,手機端約1.6秒產出高清圖像,提升本土AI隱私與部署能效。
深度分析
隨著文字生成影像模型體積與計算需求高企,研究提出JuZhou1.0以0.4B參數的極簡U‑Net與1.9M解碼器實現離線手機生成,採用RectifiedFlow與DMD2四步蒸餾,於國產SugonK100加速器完成訓練,手機端約1.6秒產出高清圖像,提升本土AI隱私與部署能效。
深度分析
隨著多模態生成模型的廣泛應用,內容安全與版權風險同步升高。
深度分析
在偏微分方程(PDE)驅動的系統中,從稀疏且不規則的觀測重建完整場域並估算不確定性,長期受限於問題病態與求解成本。PerFlow 提出以物理約束嵌入的 rectified-flow 生成框架,將觀測條件與物理强制分離:以觀測作為無需採樣時梯度引導的條件輸入,並透過保存約束的投影操作(如不可壓縮或守恆)把生成軌跡限定在物理一致的流形上。