何愷明團(tuán)隊(duì)論文全景掃描：一場(chǎng)關(guān)于「生成范式」的多角度突破 | CVPR 2026

高度依賴擴(kuò)散模型的圖像生成范式，正在被重新審視。

作者丨陳淑瑜

編輯丨岑 峰

2025 年到 2026 年，如果要問生成式 AI 領(lǐng)域最值得關(guān)注的研究方向，流匹配（Flow Matching） 是一個(gè)無法繞開的答案。

從去年起，這個(gè)名字開始頻繁出現(xiàn)在頂會(huì)論文里、被工業(yè)界反復(fù)討論、被拿來和統(tǒng)治了圖像生成領(lǐng)域長(zhǎng)達(dá)五年的擴(kuò)散模型正面比較。

所謂流匹配，本質(zhì)上是用常微分方程路徑（ODE path）替代擴(kuò)散模型的隨機(jī)微分方程路徑，讓數(shù)據(jù)從噪聲到圖像的轉(zhuǎn)變不再依賴數(shù)百步迭代，從而在理論上實(shí)現(xiàn)更高效的生成。但從理論可行到工程落地，中間隔著無數(shù)技術(shù)細(xì)節(jié)——訓(xùn)練目標(biāo)怎么設(shè)計(jì)、架構(gòu)怎么選、速度和質(zhì)量如何兼顧，每一步都是坑。

何愷明團(tuán)隊(duì)正是在這個(gè)節(jié)點(diǎn)上，密集地交出了一份多角度的答卷。

AI科技評(píng)論總結(jié)了何愷明團(tuán)隊(duì)近期在CVPR大會(huì)上發(fā)表上的論文： 2025 年 5 月，他們提出了均值流（MeanFlow），首次將"均值速度場(chǎng)"引入生成建模；同年年底，BiFlow 在歸一化流框架上實(shí)現(xiàn)了 700 倍加速，將 FID 推到 2.39；幾乎同一時(shí)間，Improved MeanFlow（iMF）則以三個(gè)系統(tǒng)性修復(fù)將單步 FID 降至 1.72，首次在無蒸餾條件下超越所有蒸餾方法。

生成模型之外，團(tuán)隊(duì)在視覺推理（VARC，CVPR 2026）和自監(jiān)督學(xué)習(xí)（Pixo，CVPR 2026）上也同時(shí)出擊，共同勾勒出一個(gè)清晰的戰(zhàn)略意圖：擴(kuò)散模型并不是圖像生成的終點(diǎn)，流匹配這條路，值得全力押注。

這五篇論文之間沒有直接的方法傳承，方向各有側(cè)重，但貫穿其中的核心問題始終如一：在每一個(gè)被默認(rèn)的技術(shù)選擇背后，到底藏著多少被低估的優(yōu)化空間？

01

讓"去噪"模型真正做一次去噪

理解 JiT 的工作，需要從擴(kuò)散模型一個(gè)被忽視已久的痛點(diǎn)說起。

當(dāng)前的擴(kuò)散模型在訓(xùn)練時(shí)，網(wǎng)絡(luò)學(xué)習(xí)預(yù)測(cè)的目標(biāo)是噪聲 ε 或速度 v，而非干凈圖像 x。

這個(gè)細(xì)節(jié)在大多數(shù)論文里被一筆帶過，但它有一個(gè)容易被忽視的含義：噪聲和速度并不在自然圖像的流形上。用大白話說，網(wǎng)絡(luò)在試圖預(yù)測(cè)一個(gè)"不屬于這個(gè)世界"的東西——它不在圖像分布內(nèi)，是離群的量。這種預(yù)測(cè)天然地不穩(wěn)定，網(wǎng)絡(luò)需要額外的表達(dá)能力來處理那些本不應(yīng)該出現(xiàn)在預(yù)測(cè)目標(biāo)里的高維噪聲。

也就是說，預(yù)測(cè)噪聲和預(yù)測(cè)干凈圖區(qū)別很大。

流形示意圖

JiT 的核心洞察正是從這里切入的。既然 x（干凈圖像）在圖像流形上，那就讓網(wǎng)絡(luò)直接預(yù)測(cè) x。直覺上這是一個(gè)退步——流形外的東西更難預(yù)測(cè)，流形內(nèi)的東西反而應(yīng)該更容易。但團(tuán)隊(duì)指出，這個(gè)邏輯在擴(kuò)散模型里是反的：噪聲 ε 分布在高維空間，目標(biāo)分布極廣，網(wǎng)絡(luò)需要一個(gè)很強(qiáng)的先驗(yàn)來"猜測(cè)"噪聲的真實(shí)值；而 x 就在流形上，是網(wǎng)絡(luò)見過的、理解的、可以自然逼近的東西。

為了讓這個(gè)樸素的想法在工程上成立，JiT 采用了標(biāo)準(zhǔn) Vision Transformer，但做了一個(gè)看似大膽的調(diào)整：patch 尺寸可以非常大——16×16、32×32 甚至 64×64，而不像標(biāo)準(zhǔn)擴(kuò)散模型那樣在高分辨率下被迫使用極小的 patch。

原因在于：x 在流形上，網(wǎng)絡(luò)不需要處理流形外的高維噪聲干擾，因此 patch 大小的增加不會(huì)導(dǎo)致信息缺失，也沒有帶來災(zāi)難性的效果退化。

這是一種返璞歸真，直接預(yù)測(cè)目標(biāo)圖像，對(duì)傳統(tǒng)認(rèn)知發(fā)起了一次直接挑戰(zhàn).

JiT模型生成的圖像樣本

JiT 還完全去掉了 VAE Tokenizer，不需要預(yù)訓(xùn)練的潛空間，不需要 GAN 損失或感知損失，就是最樸素的 Transformer 在像素上做去噪。模型規(guī)模 86M 參數(shù)，從 256 到 1024 分辨率，計(jì)算量幾乎不變——只需要調(diào)整 patch 大小。這意味著一個(gè)原生模型可以在任意分辨率上生成，而不需要借助潛空間的壓縮-解壓機(jī)制。

最終結(jié)果在 ImageNet 512×512 上實(shí)現(xiàn)了 FID 1.78，且 JiT-G 版本在更高分辨率下依然保持了競(jìng)爭(zhēng)力的 FID。更值得關(guān)注的是，這個(gè)性能是在沒有任何蒸餾、沒有任何外部模型輔助的前提下從零訓(xùn)練得到的。

JiT 證明了"讓擴(kuò)散模型真正做去噪"這件事本身，就足以帶來顯著的質(zhì)量提升——不需要更多的工程技巧，只需要把預(yù)測(cè)目標(biāo)換回那個(gè)理所當(dāng)然卻被忽視了五年的選項(xiàng)。

論文鏈接：https://arxiv.org/abs/2511.13720

02

ARC：跳出語(yǔ)言模型的舒適圈

ARC是 AI 領(lǐng)域歷史最久的推理能力測(cè)試之一，包含數(shù)百個(gè)"視覺謎題"，要求模型從少數(shù)示例中推斷規(guī)則并泛化到新樣本。物體對(duì)稱、重力方向、顏色連續(xù)性、反射變換——這些概念本質(zhì)上是對(duì)物理世界的抽象，本不應(yīng)該和語(yǔ)言有任何關(guān)系。

然而長(zhǎng)期以來，整個(gè)社區(qū)把 ARC 當(dāng)成了一個(gè)語(yǔ)言問題。GPT-4、Claude、Deepseek 幾乎都在 ARC 上刷過榜，原因是 ARC 的任務(wù)描述可以自然地翻譯成文字，語(yǔ)言模型恰好擅長(zhǎng)這類文字推理。這在工程上無可厚非，但它制造了一個(gè)隱性的假設(shè)：視覺抽象推理，必須借助語(yǔ)言才能完成。

VARC 要挑戰(zhàn)的正是這個(gè)假設(shè)。

它把 ARC 任務(wù)重新建模為圖像到圖像的翻譯問題，用一個(gè)只有 18M 參數(shù)的 ViT 從頭訓(xùn)練，不依賴任何語(yǔ)言能力，在 ARC-1 上達(dá)到了單模型 54.5%、集成 60.4% 的準(zhǔn)確率。60.4% 是什么水平？人類平均水平是 60.2%，頂級(jí)大語(yǔ)言模型也在這個(gè)區(qū)間。

這意味著，一個(gè)參數(shù)量只有頂級(jí) LLM 幾千分之一的純視覺模型，在視覺推理任務(wù)上達(dá)到了與人類相當(dāng)?shù)乃健?/strong>

VARC框架的實(shí)現(xiàn)路徑也非常直接，沒有把輸入網(wǎng)格直接 token 化，而是使用了“畫布”，將網(wǎng)格嵌入到一個(gè)足夠大的預(yù)定義畫布（32×32）上，背景用第 11 種顏色填充。然后像處理一張普通圖片一樣，被ViT模型進(jìn)行端到端的處理。

這帶來一個(gè)關(guān)鍵效果：token 數(shù)量從有限的網(wǎng)格大小擴(kuò)展到了更大的空間，讓 ViT 的注意力機(jī)制有了充足的施展余地，能夠捕捉遠(yuǎn)程的視覺關(guān)系。

WARC的畫布

另外，測(cè)試時(shí)訓(xùn)練（TTT）在推理階段利用測(cè)試任務(wù)的少量示例做快速微調(diào)，是性能逼近人類水平的關(guān)鍵——模型不是"記住"了 ARC 的規(guī)則，而是在看到新任務(wù)時(shí)快速學(xué)習(xí)規(guī)則本身。

VARC 的出現(xiàn)給整個(gè) ARC 社區(qū)潑了一盆冷水：大家花了大量工程資源在語(yǔ)言模型上刷榜，卻忽視了純視覺方法在這個(gè)任務(wù)上的潛力。

這個(gè)潛力的釋放需要兩個(gè)條件：一個(gè)足夠大的視覺畫布，以及一個(gè)讓模型在推理時(shí)繼續(xù)學(xué)習(xí)的機(jī)制。一旦這兩個(gè)條件被滿足，視覺推理不需要語(yǔ)言模型這件事，變得異常清晰。

論文鏈接： https://arxiv.org/abs/2511.14761

03

突破歸一化流限制，圖像單步生成加速

歸一化流是生成式建模中歷史最悠久的框架之一。它最大的理論優(yōu)勢(shì)是可以用精確的數(shù)學(xué)形式同時(shí)完成生成和似然估計(jì)，訓(xùn)練過程透明、可解釋，不像擴(kuò)散模型那樣依賴多次采樣來近似對(duì)數(shù)似然。但長(zhǎng)期以來，它在性能上被擴(kuò)散模型壓得喘不過氣來。

原因出在兩個(gè)結(jié)構(gòu)性約束上。

第一，傳統(tǒng)歸一化流為了保證前向變換的精確可逆性，必須采用受限的網(wǎng)絡(luò)架構(gòu)，無法使用 Transformer 等更強(qiáng)大的序列模型。

第二，逆向過程依賴自回歸因果解碼，每一步必須順序計(jì)算，無法并行，生成一張圖的時(shí)間成本極高。這兩個(gè)約束幾乎從根子上限制了歸一化流在大規(guī)模圖像生成上的競(jìng)爭(zhēng)力。

BiFlow 的解題思路初看有些反直覺：逆向過程不需要是前向過程的精確逆。

前向過程保持可逆，這是數(shù)學(xué)上的保證，確保分布映射的準(zhǔn)確性不受損害；但逆向過程單獨(dú)訓(xùn)練一個(gè)獨(dú)立的模型來近似逆映射，不要求它在數(shù)學(xué)上等于前向的解析逆。這個(gè)"放棄精確逆"帶來了一個(gè)巨大的解放：逆向過程可以使用完全并行的 Transformer 架構(gòu)，實(shí)現(xiàn)真正的單步生成，不再受自回歸解碼的順序瓶頸約束。

但這還不夠。逆向模型單獨(dú)訓(xùn)練，意味著它學(xué)到的表示空間可能與前向過程完全不同——兩者可能在不同的隱空間里各說各話。

BiFlow 引入了隱藏層對(duì)齊機(jī)制，利用前向過程的中間狀態(tài)軌跡監(jiān)督逆向模型，確保兩者在表示空間中對(duì)齊，防止逆向模型"跑偏"。對(duì)齊之后，逆向模型既能受益于 Transformer 的強(qiáng)大表達(dá)能力，又能保持前向過程的分布結(jié)構(gòu)完整。

標(biāo)準(zhǔn)化流與BiFlow的概念對(duì)比

最終結(jié)果在 ImageNet 256×256 上實(shí)現(xiàn)了 FID 2.39，這是歸一化流方法的歷史新紀(jì)錄。但更有沖擊力的是速度數(shù)據(jù)：單張圖像生成時(shí)間從 TARFlow 的 0.7 秒縮短到 0.001 秒，加速約 700 倍。

BiFlow與SOTA流模型的效率對(duì)比

這不再是理論推演，而是一個(gè)可以直接在工程中落地的效率躍遷。歸一化流長(zhǎng)期被視為"理論上優(yōu)美、工程上雞肋"的框架，BiFlow 至少把后半句的錯(cuò)誤認(rèn)知打破了。

論文地址：https://arxiv.org/abs/2512.10953

04

快進(jìn)生成，無需蒸餾

如果說 BiFlow 是把歸一化流從困境中拉了出來，那么 iMF（Improved Mean Flows）的目標(biāo)更徹底：把"快進(jìn)生成"這條路的瓶頸徹底打通。

"快進(jìn)生成"的核心目標(biāo)是讓擴(kuò)散模型用 1 步而不是 250 步完成圖像生成。此前的工業(yè)界解法幾乎都依賴蒸餾——用一個(gè)大而慢的擴(kuò)散模型作為"教師"，訓(xùn)練一個(gè)小的"學(xué)生"在 1-2 步內(nèi)近似教師的輸出。蒸餾效果不錯(cuò)，但代價(jià)也明顯：訓(xùn)練流程極其復(fù)雜，學(xué)生的性能上限被教師鎖死，一旦教師本身有缺陷，學(xué)生無論如何都超不過去。

何愷明團(tuán)隊(duì)在 2025 年 5 月提出了均值流（MeanFlow），首次將"均值速度場(chǎng)"引入生成建模，目標(biāo)是實(shí)現(xiàn)真正的單步高質(zhì)量生成。方向正確，但初代 MF 有三個(gè)系統(tǒng)性的訓(xùn)練缺陷，導(dǎo)致最終性能距離當(dāng)時(shí)的 SOTA 有明顯差距。ImageNet 256×256 的 FID 停留在 3.43，而最好的擴(kuò)散模型已經(jīng)在 1.x 徘徊了。

第一個(gè)缺陷是訓(xùn)練目標(biāo)的"自依賴"。MF 的訓(xùn)練目標(biāo)是"平均速度損失"（u-loss），目標(biāo)函數(shù)里包含了一個(gè)由網(wǎng)絡(luò)自身輸出推導(dǎo)出的項(xiàng)——這就好比讓一個(gè)人預(yù)測(cè)"自己說的話會(huì)造成什么后果"，優(yōu)化器在閉環(huán)里反復(fù)震蕩，訓(xùn)練方差極大，收斂不徹底。

第二個(gè)缺陷是引導(dǎo)機(jī)制的"死板"。無分類器引導(dǎo)（CFG）是提升生成質(zhì)量的關(guān)鍵技術(shù)，但 MF 訓(xùn)練時(shí)把 CFG 強(qiáng)度固定了，推理時(shí)用戶無法調(diào)節(jié)質(zhì)量-多樣性的權(quán)衡——這等于剝奪了生成器最重要的一個(gè)調(diào)參手段。

第三個(gè)缺陷是架構(gòu)效率的"肥胖"。MF 依賴的 adaLN-zero 機(jī)制在處理多條件（時(shí)間步 t、類別標(biāo)簽 c、CFG 強(qiáng)度 ω）時(shí)把所有條件向量簡(jiǎn)單求和，條件多了之后互相干擾，參數(shù)利用率極低。

iMF 成功解決了這三個(gè)缺陷目標(biāo)，通過將訓(xùn)練目標(biāo)重新表述為更穩(wěn)定的瞬時(shí)速度損失，同時(shí)引入靈活的無分類器指導(dǎo)（CFG）和高效的上下文內(nèi)條件作用，大幅提升了模型性能。

論文鏈接： https://arxiv.org/abs/2512.02012

針對(duì)訓(xùn)練目標(biāo)，iMF 利用 MeanFlow 的數(shù)學(xué)恒等式，將平均速度損失（u-loss）等價(jià)轉(zhuǎn)換為瞬時(shí)速度損失（v-loss）。瞬時(shí)速度 v 等于網(wǎng)絡(luò)在 t 時(shí)刻的瞬時(shí)導(dǎo)數(shù)，它的特點(diǎn)是：目標(biāo) v 與網(wǎng)絡(luò)自身的輸出完全無關(guān)，是一個(gè)純粹的標(biāo)準(zhǔn)回歸問題。這個(gè)看似簡(jiǎn)單的數(shù)學(xué)變換，把 MF 訓(xùn)練不穩(wěn)定的根因直接消除了。

針對(duì) CFG 靈活性，iMF 把 CFG 強(qiáng)度 ω、引導(dǎo)區(qū)間 t_min 和 t_max 一起編碼為顯式的條件變量作為額外輸入傳入網(wǎng)絡(luò)。訓(xùn)練時(shí)從冪分布中隨機(jī)采樣不同引導(dǎo)強(qiáng)度，讓網(wǎng)絡(luò)學(xué)習(xí)不同 CFG 強(qiáng)度下的速度場(chǎng)分布；推理時(shí)，用戶可以自由調(diào)節(jié) CFG 強(qiáng)度，就像使用普通擴(kuò)散模型一樣自然。這個(gè)設(shè)計(jì)讓 iMF 支持了 CFG 區(qū)間控制——只有當(dāng) t 落在某個(gè)區(qū)間內(nèi)時(shí)才啟用引導(dǎo)，超出區(qū)間自動(dòng)關(guān)閉，給了研究者更多調(diào)控手段。

針對(duì)架構(gòu)效率，iMF 摒棄了把條件向量求和的粗暴做法，轉(zhuǎn)而將每類條件轉(zhuǎn)化為多個(gè)可學(xué)習(xí)的 token，類別 8 個(gè)、時(shí)間步 4 個(gè)、CFG 強(qiáng)度 4 個(gè)、引導(dǎo)區(qū)間 4 個(gè)，與圖像 latent token 沿序列維度拼接后聯(lián)合處理。Base 模型參數(shù)從 133M 降至 89M，減少了三分之一，同時(shí) FID 反而改善。

iMF 和MF對(duì)比圖

三條改進(jìn)的效果是疊加的。iMF 的消融鏈路清晰地記錄了每一步的貢獻(xiàn)：原 MF 基線 6.17 FID → v-loss 替換 5.68 → 靈活 CFG 4.57 → 多 token 條件 4.09 → Transformer 架構(gòu)改進(jìn) 3.39 → 640 epoch 長(zhǎng)訓(xùn)練 1.72。每一步都有據(jù)可查，每一步的改善都可以歸因到具體的修改點(diǎn)。

最終 iMF-XL/2 實(shí)現(xiàn)了 1-NFE FID 1.72，且這是從零訓(xùn)練、不依賴任何蒸餾取得的成績(jī)。iMF 的 FID 優(yōu)于所有依賴蒸餾的單步生成方法，包括 FACM-XL/2（蒸餾，F(xiàn)ID 1.76）和 DMF-XL/2+（蒸餾，F(xiàn)ID 2.16）。擴(kuò)散模型領(lǐng)域的一個(gè)默認(rèn)假設(shè)被打破了：高質(zhì)量單步生成，不需要蒸餾。

更值得關(guān)注的是 2-NFE 時(shí) iMF 的 FID 降至 1.54，已經(jīng)非常接近主流多步擴(kuò)散的水平（SiT-XL/2+REPA 為 1.42 @ 數(shù)百步）。單步模型與多步模型的性能差距，第一次縮小到了這個(gè)量級(jí)。

05

像素監(jiān)督：從邊緣到正面競(jìng)爭(zhēng)

自監(jiān)督視覺預(yù)訓(xùn)練領(lǐng)域近年來有一個(gè)明顯的主流敘事：像素空間已經(jīng)過時(shí)，潛空間才是未來。

DINOv3 是這個(gè)方向的代表——將圖像通過 VAE Tokenizer 壓縮到低維潛空間，再進(jìn)行對(duì)比學(xué)習(xí)，在多項(xiàng)視覺任務(wù)上達(dá)到了 SOTA，逐漸被視為"正確答案"。

這個(gè)敘事的隱含前提是：在大規(guī)模訓(xùn)練場(chǎng)景下，像素級(jí)自監(jiān)督天然不如潛空間方法，因?yàn)橄袼乜臻g的高維、冗余、多噪聲特性讓學(xué)習(xí)效率更低。

Pixo（pixel supervision） 要檢驗(yàn)的正是這個(gè)前提。

MAE 已經(jīng)證明，像素空間的掩碼自編碼器在大規(guī)模訓(xùn)練下是一個(gè)簡(jiǎn)單而高效的選擇。Pixo 則把這個(gè)思路推向極致：在 20 億張網(wǎng)絡(luò)爬取圖像上，系統(tǒng)性地探索像素監(jiān)督的上限，并在預(yù)訓(xùn)練任務(wù)、模型架構(gòu)和訓(xùn)練策略三個(gè)層面對(duì) MAE 做了全面增強(qiáng)。預(yù)訓(xùn)練任務(wù)設(shè)計(jì)得更具挑戰(zhàn)性，架構(gòu)針對(duì)大規(guī)模高效訓(xùn)練做了優(yōu)化，訓(xùn)練策略引入了自篩選機(jī)制自動(dòng)過濾低質(zhì)量數(shù)據(jù)，最小化人工干預(yù)。

Pixio 對(duì) MAE 進(jìn)行的關(guān)鍵更新

結(jié)果沒有出現(xiàn)預(yù)期的"像素完敗"局面。在深度估計(jì)、前饋 3D 重建、語(yǔ)義分割、機(jī)器人操控等多個(gè)下游任務(wù)上，Pixo 與 DINOv3 正面競(jìng)爭(zhēng)，各有勝負(fù)。

這意味著像素監(jiān)督在大規(guī)模場(chǎng)景下并非不如潛空間方法，只是需要更強(qiáng)的任務(wù)設(shè)計(jì)、更大規(guī)模的優(yōu)質(zhì)數(shù)據(jù)和更精細(xì)的訓(xùn)練策略。

兩種范式各有其適合的場(chǎng)景：像素監(jiān)督在需要保留完整視覺細(xì)節(jié)的任務(wù)上可能更有優(yōu)勢(shì)，而潛空間方法在語(yǔ)義理解類任務(wù)上更占優(yōu)。

兩種范式的競(jìng)爭(zhēng)才剛剛開始，Pixo 的價(jià)值在于證明了像素監(jiān)督的邊界還遠(yuǎn)未到達(dá)——在 20 億規(guī)模的數(shù)據(jù)上，它依然是一個(gè)有力的競(jìng)爭(zhēng)者，而非被淘汰的遺產(chǎn)。

論文鏈接： https://arxiv.org/abs/2512.15715

06

結(jié)語(yǔ)

盤點(diǎn)完何愷明近期的五篇論文，一個(gè)值得深思的問題浮現(xiàn)出來：擴(kuò)散模型統(tǒng)治圖像生成五年，這個(gè)"統(tǒng)治"到底有多扎實(shí)？

歸一化流在效率上的結(jié)構(gòu)性缺陷，是可以通過放棄"精確逆"來修復(fù)的；

擴(kuò)散模型的訓(xùn)練目標(biāo)不穩(wěn)定，是可以通過換掉噪聲預(yù)測(cè)目標(biāo)來改善的；

單步生成必須依賴蒸餾的假設(shè)，是被 iMF 用從零訓(xùn)練的 FID 1.72 直接打破的。

甚至在視覺推理和自監(jiān)督學(xué)習(xí)領(lǐng)域，何愷明團(tuán)隊(duì)也在用最小化的視覺架構(gòu)挑戰(zhàn)語(yǔ)言模型的傳統(tǒng)領(lǐng)地，而且贏了。他們不是在已有的游戲規(guī)則里優(yōu)化指標(biāo)，而是在重新定義問題本身的前提。他們用返璞歸真的方式、"大道至簡(jiǎn)"的風(fēng)格提出新的思路，這些思路對(duì)于傳統(tǒng)方案來說，是顛覆性的改變。

同時(shí)，這五篇論文也反映了他們一個(gè)連貫的戰(zhàn)略判斷。擴(kuò)散模型不是終點(diǎn)，而是某個(gè)更高效范式出現(xiàn)之前的過渡階段。流匹配是他們的答案，iMF 和 BiFlow 是這個(gè)答案最有力的支撐。他們從底層基礎(chǔ)（歸一化、去噪目標(biāo)函數(shù)、流模型設(shè)計(jì)）出發(fā)，重構(gòu)視覺生成與理解的理論框架。

接下來的問題是，這個(gè)判斷會(huì)不會(huì)在 2026 年成為整個(gè)生成式 AI 領(lǐng)域的共識(shí)——而這一次，何愷明的團(tuán)隊(duì)已經(jīng)把路標(biāo)立好了。

這次去 CVPR 現(xiàn)場(chǎng)，一定不要錯(cuò)過

【認(rèn)識(shí)大牛+賺外快】的機(jī)會(huì)

需要你做什么：把你最關(guān)注的10個(gè)大會(huì)報(bào)告，每頁(yè)P(yáng)PT都拍下來

你能獲得什么？

認(rèn)識(shí)大牛：你將可以進(jìn)入CVPR名師博士社群；

錢多活少：提供豐厚獎(jiǎng)金，任務(wù)量精簡(jiǎn)；

聽會(huì)自由：你的行程你做主，順手就把外快賺。拍下你最感興趣的10個(gè)報(bào)告PPT即可。

如果你即將前往CVPR，想邊聽會(huì)邊賺錢，還能順便為AI學(xué)術(shù)社區(qū)做貢獻(xiàn)、認(rèn)識(shí)更多大牛，歡迎聯(lián)系我們：[添加微信號(hào):MS_Yahei]

【限額5位，先到先得】

未經(jīng)「AI科技評(píng)論」授權(quán)，嚴(yán)禁以任何方式在網(wǎng)頁(yè)、論壇、社區(qū)進(jìn)行轉(zhuǎn)載！

公眾號(hào)轉(zhuǎn)載請(qǐng)先在「AI科技評(píng)論」后臺(tái)留言取得授權(quán)，轉(zhuǎn)載時(shí)需標(biāo)注來源并插入本公眾號(hào)名片。