TEM-XL：Transformer 能量模型实现 ImageNet 256 生成 FID 3.82
原文标题：Scaling Transformer Energy-based Models For High Quality Image Synthesis
重要度 3/5 · AI 综合评估报道影响力与新鲜度，4–5 分为高价值资讯。
论文提出 Transformer 能量模型 TEM，在潜空间中构建可扩展的 transformer 能量函数，并多层能量求和以融合局部纹理与全局语义约束。配合正表示对齐 PRA 与改进采样策略，TEM-XL 在无分类器引导下于类条件 ImageNet 256×256 取得 FID-50K 3.82，512×512 为 8.24，并验证了组合生成、零样本修复与分布外检测能力。
- 问题
- 能量模型受高维采样与训练不稳定限制，难以扩展到高分辨率图像生成。
- 方法
- 在潜空间构建多层能量求和的 Transformer 能量函数，配合正表示对齐与改进采样。
- 结果
- 无分类器引导下 ImageNet 256×256 FID-50K 3.82，512×512 为 8.24。
- 影响
- 证明对比式 EBM 可规模化，为组合生成与推理时缩放提供扩散模型之外的选项。
深读 · 结论先行AI 生成展开看要点与影响 ↓
TEM-XL 在无分类器引导下取得 ImageNet 256 类条件 FID-50K 3.82，512 分辨率为 8.24。
- •TEM 在潜空间中构建可扩展 transformer 能量函数，多层能量求和融合局部纹理与全局语义
- •正表示对齐 PRA 用视觉基础模型监督中间表示，配合改进采样策略提升大规模生成质量
- •256×256 的 FID-50K 3.82 未使用分类器引导，512×512 为 8.24
- •验证了 EBM 的核心承诺：组合生成、零样本修复与分布外检测
- •动机是 EBM 在高维采样与深层训练稳定性上的瓶颈，此前多局限于低维场景
为什么重要：能量模型长期被采样与训练稳定性困在低维，这条把 EBM 推到 ImageNet 规模并保留组合生成与推理时缩放，对做生成建模路线选择的人有参考意义。
以上深读由 AI 依据标题/摘要/正文节选生成，仅供参考；事实以原文为准。
AI 处理过程展开/收起
相关推荐
OpenAI 宣布数学、计算机科学、物理学三项新发现
AI 摘要OpenAI 宣布在调和分析、复杂性理论和量子场论三个方向取得新发现，并采用与学术界合作的新方法。公司邀请外部专家组织团队理解研究结果，参与者无需签署保密协议、可自由讨论并发表结论，且为自愿无报酬。OpenAI 表示不会为内部模型产生的发现寻求学术署名。
数学家称需数年消化 OpenAI 最新数学成果
AI 摘要OpenAI 本周突然发布近 400 项 AI 生成的数学成果，分布在 700 多份手稿中，覆盖组合数学、几何、数论等多个领域。多位数学家表示「震惊」「难以置信」，认为仅理解这些成果就需数年，且验证程度参差不齐。
OpenAI 公布数学难题突破成果
AI 摘要OpenAI 发布由未公开前沿模型生成的 722 篇数学手稿，覆盖 372 个成果族，声称解决了数百个长期未解问题，并公开 Lean 形式化证明与算力估算。此举延续了 AI 冲击数学界的势头，也引发研究伦理与学术规范的争议。独立顾问组织 AGMAI 呼吁实验室通过正规学术渠道发布成果，而非将其当作营销工具。
OpenAI 再抛数学突破成果引争议
AI 摘要OpenAI 公布 722 篇手稿，称未发布的前沿模型解决了数百个数学开放问题，平均每个结果消耗约三小时 ChatGPT Pro 级算力。成果虽令人震撼，但数学界对发布方式、研究伦理与学术规范提出质疑。AGMAI 建议实验室及时通过正规渠道披露模型、提示词与算力成本，避免把成果当作营销手段。