近日,MIT副教授何恺明携5位本科生团队发布文生图新模型MiniT2I。在业界依赖数十亿参数的背景下,该团队基于全新MM-JiT架构“删繁就简”,摒弃VAE等复杂模块,直接在像素空间进行扩散生成。最终,MiniT2I仅用258M参数即实现优异效果,训练成本仅需8张H100显卡运行约3天,相当于一次标准ImageNet实验算力。此外,除何恺明外,论文其余5位作者均为MIT或清华本科生,且多为国际奥赛金牌得主。该研究不仅打破了文生图对海量算力的依赖,更展现了年轻学者在AI前沿的巨大潜力。
原文链接
本文链接:https://kx.umi6.com/article/36600.html
转载请注明文章出处
相关推荐
换一换
谷歌最强文生图 AI 模型 Imagen 3 再进化:多样艺术风格、构图更平衡
2024-12-17 11:05:04
何恺明组三位本科生领衔!持续聚焦Flow模型,突破归一化流生成效率瓶颈
2025-12-15 15:44:36
邓明扬一作论文改写生成范式!何恺明也署名了
2026-02-06 02:22:57
豆包文生图技术报告发布
2025-03-12 13:30:10
何恺明MIT开门弟子名单:奥赛双料金牌得主、清华姚班学霸在列
2024-12-03 16:20:13
美团发布并开源 LongCat-Image 图像生成模型,编辑能力登顶开源 SOTA
2025-12-08 10:19:43
今年CVPR看点是广东:何恺明再获至高大奖,广工大打破大厂名校垄断
2026-06-06 15:50:06
何恺明团队发布多模态Harness框架
2026-10-11 17:48:55
豆包支持带有指定文字的图片生成,App已开启测试
2024-12-06 13:22:39
OpenAI 公布新型 AI 文生图方案“sCM”,号称效率是传统扩散模型 50 倍
2024-10-27 16:12:25
何恺明新作再战AI生成:入职MIT后首次带队,奥赛双料金牌得主邓明扬参与
2024-06-23 12:39:40
何恺明带大二本科生颠覆扩散图像生成:扔掉多步采样和潜空间,一步像素直出
2026-02-02 16:48:05
字节Seedream 3.0追平GPT-4o 加入文生图第一梯队
2025-04-16 21:16:27
795 文章
1104778 浏览
24小时热文
更多
-
2026-10-22 11:40:49 -
2026-10-22 10:39:20 -
2026-10-22 10:37:52