WiD 用 Wiener 统计加速像素空间流模型训练

2026 年 10 月 28 日，arXiv cs.CV 发布的一项工作提出 WiD（Wiener-informed Decoding，Wiener 信息解码）方法，目标是在不改动模型原生模块的前提下，让像素空间流模型更易训练。该方法的做法是用冻结的 Wiener 估计等二阶图像统计信息，同时承担直接预测并组织解码器的计算，相当于把原本需要模型自己估计的统计量交给这套外部统计来提供。在 ImageNet 256×256 上，PixelDiT-XL 结合 WiD 训练 500 个 epoch 达到 FID 1.53，生成质量与 PixelDiT 相当，但训练 epoch 减少 37.5%，且仅增加少量参数。报道将这一结果概括为“超越估计值”，即用更可靠的统计估计替代模型内部估计，从而在几乎不增加模型规模的情况下缩短训练周期。目前该工作处于论文公开阶段，尚未见后续复现或更大规模验证的报道。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。