何恺明最新5篇AI研究论文
2025/07/24·StepFun can make mistakes, check important info.
Reason
来源
何恺明团队又发新作： MeanFlow单步图像生成SOTA，提升达50%
这段时间，大神何恺明真是接连不断地发布新研究。这不，5 月 19 日，他又放出一篇新作！作者团队来自 CMU 以及 MIT。论文标题：Mean Flows for One-step Generative Modeling 论文地址：https://arxiv.org/pdf/2505.13447v1 文章提出了一种名为 MeanFlow 的单步生成建模框架，通过引入平均速度（average velocity）的概念来改进现有的流匹配方法，并在 ImageNet 256×2...
网易
再次颠覆学界想象，何恺明发表新作：扩散模型不一定需要噪声条件
而大神何恺明的一项最新研究，对这个观点提出了「质疑」。受图像盲去噪研究的启发，我们研究了各种基于去噪的生成模型在没有噪声调节的情况下的表现。出乎我们意料的是，大多数模型都表现出了优美的退化，它们甚至在没有噪声条件的情况下表现得更好。论文标题：Is Noise Conditioning Necessary for Denoising Generative Models?论文地址：https://arxiv.org/pdf/2502.13129 研究者对这些模型在无噪声条件情...
网易
何恺明新作出炉！中稿NeurIPS 2024！HPT：异构预训练Transformer
由此，AI大神何恺明带队的MIT、Meta FAIR团队，提出了异构预训练Transformer（HPT）模型。即预训练一个大型、可共享的神经网络主干，就能学习与任务和机器人形态无关的共享表示。简单讲，就是在你的策略模型中间放置一个可扩展的Transformer，不用从头开始训练！论文地址：https://arxiv.org/pdf/2409.20537 代码：https://github.com/liruiw/HPT 研究人员将不同本体视觉输入对齐到统一的token序列，再处理这些tok...
CSDN技术社区
8 web pages
思考过程