大模型装进口袋：手机本地运行9倍速秒出高清图，质量比肩顶级模型

正文

请到「今天看啥」查看全文

正如这篇研究论文的共同第一作者、麻省理工学院 Haotian Tang 博士所说的那样，“想象你在画一幅风景画，如果直接一次涂满整个画布，效果可能并不会好；但若是先勾勒出大致轮廓先勾勒出大致轮廓，然后再用小笔触精修逐步完善，最终的作品会显得更加精致。”而这，也是 HART 创作背后的基本理念。

研究人员表示，HART 有着非常广泛的应用前景，比如，可以帮助机器人学习如何完成复杂的现实世界任务，亦或是辅助设计师为电子游戏打造栩栩如生的游戏场景。

这项新研究是由来自麻省理工学院、清华大学和英伟达的一支多学科研究团队共同完成的，其中包括 Haotian Tang 博士和清华大学的本科生 Yecheng Wu（两位是论文的共同第一作者）、麻省理工学院电子工程与计算机科学系副教授韩松等。

他们的这项研究成果即将在国际学习表征会议（ICLR）上展示。这项研究工作得到了 MIT-IBM Watson AI 实验室、MIT 和 Amazon 科学中心、MIT AI 硬件项目以及美国国家科学基金会的部分资助。此外，研究中用于训练该模型的 GPU 基础设施由英伟达捐赠。

取两者之所长

在生成式 AI 领域，以 Stable Diffusion 和 DALL-E 为代表的扩散模型凭借其卓越的图像生成质量，已成为当前计算机视觉领域的重要技术。

这些模型通过模拟物理扩散过程的反向推导，拥有精密的多步迭代去噪机制，即通过一种“迭代过程”生成图像。在这个过程中，模型会预测并消除图像中每个像素上的随机噪声。这个“去噪”过程需要多次重复进行，直到最终生成一张完全无噪点的新图像。

由于扩散模型在每一步都需要对整个图像的所有像素进行处理，并且可能需要 30 步甚至更多的步骤才能完成这一过程，因此这种方法既耗时又耗费大量计算资源。

请到「今天看啥」查看全文