arXiv cs.AI· Ziqiao Wang, Yang You·· 13 小时前AI 评分26
Wiener 信息解码 WiD：让像素空间流模型训练更简单
Beyond the Estimate: Wiener-Informed Decoding for Easier Training of Pixel-Space Flow Models
AI 导读
研究者提出 Wiener-informed Decoding（WiD），将冻结的 Wiener 估计与可训练 Wiener 预测路径结合，并通过系数接口向原生解码器注入特征，所有新增参数在原始像素空间速度目标下联合训练。
正文 · AI 翻译
摘要：直接在像素空间中学习速度场既困难又缓慢。我们表明，粗略的二阶图像统计量可以缓解这一任务：冻结的 Wiener 估计能改善速度学习，其收益超出了它们显式提供的线性预测。此外，我们观察到冻结基和像素解码也带来了类似但互补的收益。这些观察促使我们提出 Wiener 信息解码（WiD），它既利用统计知识进行直接预测，也用于组织解码器计算，而不修改原生模块。WiD 将可训练的 Wiener 预测路径与系数接口相结合，后者将特征注入原生解码器并返回其预测的系数修正，这些组件均以数据统计量初始化。所有引入的参数，包括频谱和坐标变换，都在原始像素空间速度目标下联合训练。在不同模型规模和不同解码器架构下，WiD 都能加速训练并提升生成质量，且参数开销适中。它还能产生更平滑的梯度轨迹，并在表示对齐下依然有效。WiD 在不同分辨率下改进了类别条件和文本到图像生成。在 ImageNet 256 x 256 上，采用 WiD 的 PixelDiT-XL 在 500 个 epoch 后达到 FID 1.53，在训练 epoch 减少 37.5% 的情况下取得了与 PixelDiT 相当的质量。统计去噪器的作用不止于估计：其计算结构也能缓解像素空间训练。
| 评论： | 23 页 |
| 主题： | 计算机视觉与模式识别（cs.CV）；人工智能（cs.AI） |
| 引用为： | arXiv:2610.36192 [cs.CV] |
| （或 arXiv:2610.36192v1 [cs.CV] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.36192 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Ziqiao Wang [查看邮箱]
[v1]
2026 年 10 月 26 日星期一 19:24:42 UTC（9,804 KB）
来源：arXiv cs.AI · arxiv.org