RaPD：在连续隐空间做分辨率无关扩散
热点事件持续更新
RaPD：在连续隐空间做分辨率无关扩散
1 篇报道1 个报道来源10 小时前更新
先了解这件事
AI 综述
Yanhao Ge 等作者提出 RaPD，把扩散过程放在连续神经图像场（NIF）的隐空间中进行，使生成图像的分辨率不再受训练尺寸限制。作者称，该方法用语义表示引导隐空间，使其具备生成感知能力，并用坐标查询注意力渲染器支持任意分辨率渲染；仅改变查询坐标即可输出不同尺寸图像，而扩散成本保持固定。 论文已被 NeurIPS 2026 接收。作者在实验中称，RaPD 在生成质量与分辨率可扩展性上均优于现有方法。
AI 根据报道生成 · 47 分钟前更新
最新进展10月19日 12:00
RaPD：基于语义增强隐式表示的分辨率无关像素扩散模型报道时间线
沿着报道，了解事件的不同侧面。
10月19日
- arXiv cs.AIRaPD：基于语义增强隐式表示的分辨率无关像素扩散模型
RaPD 提出在连续神经图像场（NIF）隐式空间中进行扩散，实现分辨率无关的图像生成。它通过语义表示引导让隐空间具备生成感知能力，并用坐标查询注意力渲染器支持任意分辨率渲染，仅改变查询坐标即可输出不同尺寸图像，扩散成本保持固定。论文已被 NeurIPS 2026 接收，实验显示其在生成质量与分辨率可扩展性上均优于现有方法。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。