何恺明新作：给扩散模型加正则化，无需预训练无需数据增强，超简单实现性能提升 扩散模型近年来备受关注，何恺明团队最新研究聚焦于如何将扩散模型与表征学习结合。他们提出了一种名为“Dispersive Loss”的正则化方法，旨在使扩散模型生成更自然真实的图片。 Dispersive Loss是一种即...

标题：港大马毅团队开源新作：用编码率正则化简化视觉自监督学习 摘要：马毅团队、微软研究院、UC伯克利等联合发布SimDINO和SimDINOv2，通过编码率正则化简化DINO和DINOv2模型训练流程，使模型训练更简单、稳定且性能更强。 正文： 最近，马毅团队、微软研究院及UC伯克利等联合发布了Si...