热点事件持续更新
FIRM将成像逆问题网络评估减少50倍
1 篇报道1 个报道来源3 小时前更新
先了解这件事
AI 综述
华盛顿大学圣路易斯分校 Ulugbek Kamilov 团队联合 UW-Madison 提出 FIRM，用于求解成像逆问题。该方法将测量算子嵌入速度场，是端到端训练的 flow 模型，因此无需在推理期引入 guidance。据该报道，FIRM 把整体网络评估次数减少 50 倍，在 N=2 时仅需约 10 次网络评估。在 CelebA 去模糊任务上，单张图像重建耗时 0.24 秒，远快于基线的 13.03 秒，同时保留细节。这是该事件目前唯一一篇报道，未出现与早先报道数字或说法不一致的情况。
AI 根据报道生成 · 3 小时前更新
最新进展10月7日 19:39
FIRM 将成像逆问题整体网络评估次数减少 50 倍，CelebA 去模糊单图重建 0.24 秒。报道时间线
沿着报道，了解事件的不同侧面。
10月7日
- AGI HuntFIRM 新方法把网络评估次数减少 50 倍
华盛顿大学圣路易斯分校 Ulugbek Kamilov 团队联合 UW-Madison 提出 FIRM，将测量算子嵌入速度场以求解成像逆问题，整体网络评估次数减少 50 倍。该方法为端到端训练的 flow 模型，N=2 时仅需约 10 次网络评估，且无需推理期 guidance。在 CelebA 去模糊任务上单图重建仅 0.24 秒，远快于基线的 13.03 秒，同时保留细节。
本事件热度走势
当前热度 9·可比范围峰值 10（10月7日 21:00）·近 24 小时可比范围变化 –
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。