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。

最新进展Split-and-Scale:在推理阶段扩展潜在 3D 表征容量

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

  1. 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

#多模态#图像生成#论文研究