Tag: module-m6
-
【AI 核心深度 M6-062】解释 VAE 在 Latent Diffusion 中的角色与训练。（Variational Autoencoders in Latent Diffusion: Compression, Regularization, and Training）深度数理推导与工程落地解析
VAE 提供’感知压缩’的潜空间（8 倍下采样）；用重建 + 感知 + 对抗损失训练，需平衡压缩率与重建质量。
-
【AI 核心深度 M6-063】解释 CFG 在 DiT 中的实现与成本。（Implementation and Batch Processing of Classifier-Free Guidance in DiT Backbones）深度数理推导与工程落地解析
DiT 用 adaLN 注入条件，故’无条件’即把条件置空；实现上用 batch 拼接一次前向，成本仍 ×2（FLOPs）。
-
【AI 核心深度 M6-064】解释分辨率外推与训练分辨率的关系。（Resolution Extrapolation, RoPE Scaling, and Multi-Aspect Training in DiT）深度数理推导与工程落地解析
在固定分辨率训练的模型对’训练分辨率之外的尺寸’表现差（构图崩坏）；需多分辨率训练或专门的插值/调整。
-
【AI 核心深度 M6-065】解释 DiT 的 patchify 与潜空间序列长度。（DiT Patchification Mechanics and Latent Space Token Sequence Length Scaling）深度数理推导与工程落地解析
DiT 把潜变量切成 patch 并展平为序列；序列长度 = (h/p)×(w/p)，决定注意力的 O(N²) 成本。
-
【AI 核心深度 M6-066】解释潜空间自编码器的选择（连续 VAE vs VQ-VAE）。（Latent Autoencoder Selection: Continuous KL-Regularized VAE vs Discrete VQ-VAE）深度数理推导与工程落地解析
扩散用连续 VAE（潜空间连续、可加噪）；自回归生成用 VQ-VAE（离散 token、可建模）；两者不可互换。
-
【AI 核心深度 M6-067】解释 Flow Matching 的核心目标与训练损失。（Flow Matching Foundations, Vector Field Regression, and CNF Objectives）深度数理推导与工程落地解析
学习一个向量场 v_θ(x,t) 使 ODE dx/dt=v 把噪声输运到数据；用回归’条件向量场’的 MSE 训练。
-
【AI 核心深度 M6-068】解释 Rectified Flow / Reflow 的作用。（Rectified Flow, Straight Trajectories, and the Reflow Iteration Protocol）深度数理推导与工程落地解析
Reflow 用当前模型生成配对 (x_0,x_1)，再用直线路径重新训练，使路径更直（少步采样质量更好）；可迭代。
-
【AI 核心深度 M6-069】解释条件流匹配与边缘流匹配的差异。（Conditional Flow Matching vs Marginal Flow Matching: Tractability and Equivalence）深度数理推导与工程落地解析
边缘流匹配的目标不可计算（需知道整个分布）；条件流匹配用可采样的条件路径，且其梯度与边缘相同。
-
【AI 核心深度 M6-070】解释 Flow Matching 与 score matching 的关系。（Interconnection Between Flow Matching and Score-Based Denoising）深度数理推导与工程落地解析
两者都是’用可计算的条件量回归不可计算的边缘量’：FM 回归条件速度、score matching 回归条件 score；扩散是两者的桥梁。
-
【AI 核心深度 M6-071】解释 Flow Matching 中的路径选择与最优传输。（Path Geometries and Optimal Transport Interpolants in Flow Matching）深度数理推导与工程落地解析
路径可选直线/扩散/OT；OT 路径（最优传输）使路径尽量不交叉，从而少步采样质量更好。