#dit

3 記事

01 ·★ 会員·論文·12分で読めます 論文解説 Marigold V2 — 画像編集モデルを、32GB GPU 1枚で最強の深度推定器に変える Marigold V2: Revisiting Diffusion Transformers for Monocular Depth Estimation 画像編集用の拡散トランスフォーマ(Qwen-Image-Edit)を、QLoRAと2つの新しい損失だけで最先端の単眼深度推定器に作り替えた論文を、正規化・1ステップ推論・iREPA・SinkLossの順に1から解説します。 02 ·★ 会員·論文·12分で読めます 論文解説: LLaDA-Image — 画像だけで土台を作り、2〜4ステップまで蒸留する完全公開レシピ LLaDA-Image: Building Strong Image Generators with Fully Open Training Recipes 画像とテキストの対データに頼らず、まず「画像だけ」で生成の土台を作る学習レシピ。6BのDiTをゼロから訓練し2〜4ステップ推論まで蒸留した LLaDA-Image を、論文本文の設計判断に沿って1から解説する。 03 ·無料·論文·17分で読めます 論文解説 4DAnyone — 手持ちの動画1本から「誰でも」4Dにする 4DAnyone: Create Anyone in 4D from a Casual Monocular Video スマホで正面から撮った動画1本から、自由視点で見られる4D人物を作る手法 4DAnyone を前提知識ゼロから解説。鍵は「注意の器に入りきらない」問題を解く RCP と TCR の2つの工夫。