观察中
苹果提出 split-and-scale 潜变量 3D 表示方法
- 报道
- 1
- 信源
- 1
- 首次报道
- 11/16 08:00
- 最近更新
- 11/16 08:00
苹果研究团队提出 split-and-scale 方法,在推理阶段把单个预训练 tokenizer 应用于场景的任意小空间子区域,将同等潜在容量分配给更小空间范围,从而在不增加训练成本的前提下捕捉更精细的 3D 细节。 该团队称,这一做法能在保持训练成本可控的同时,在推理阶段有效扩展潜在容量。
热度48 小时内每个独立信源只算一次,24 小时减半
- 48 小时参与信源
- 0
- 6 小时新加入
- 0
- 24 小时新报道
- 0
- 热点排名
- —
热度曲线会在事件持续一段时间后出现。
事件进展1 个阶段
提出 split-and-scale 潜变量 3D 表示方法
Apple Machine Learning Research 等 1 篇报道
官方一手信息1 篇
Split-and-Scale:在推理阶段扩展潜在 3D 表征容量
苹果研究团队提出 split-and-scale 方法,通过在推理阶段把单个预训练 tokenizer 应用于场景的任意小空间子区域,将同等潜在容量分配给更小空间范围,从而在不增加训练成本的前提下捕捉更精细的 3D 细节。
Apple Machine Learning Research一手
全部报道1 篇
Split-and-Scale:在推理阶段扩展潜在 3D 表征容量
苹果研究团队提出 split-and-scale 方法,通过在推理阶段把单个预训练 tokenizer 应用于场景的任意小空间子区域,将同等潜在容量分配给更小空间范围,从而在不增加训练成本的前提下捕捉更精细的 3D 细节。
Apple Machine Learning Research一手
相关
#多模态#图像生成#论文研究
