Hugging Face · 每日论文· 媒体 / 作者来源·精选
LILIE：用语言信息损失改进视觉生成，JiT 模型 gFD 降低 14 点
原文标题
A Language-Informed Loss for Visual Generation
AI 导读
论文提出 LILIE（语言信息无损图像编码器），一种可逆图像变换，通过归一化流 Transformer 与视觉-语言模型联合训练，使 VLM 能从加噪特征中恢复描述文本。研究者用 LILIE 损失训练 JiT 模型，在 GPIC 数据集上相比纯像素损失基线将 gFD 从 66.84 降至 53.01。代码、编码器与生成模型已开源。
来源：Hugging Face · 每日论文 · arxiv.org
导读与选稿说明
提出语言信息监督的可逆图像编码器 LILIE，在 GPIC 数据集上将 JiT 模型 gFD 从 66.84 降至 53.01，相比像素损失基线降低 14 点，并开源代码与模型。
导读由模型辅助整理，非独立核验。完整信息见原文。