Die Forschung präsentiert einen innovativen Algorithmus zur objektiven Bewertung der Realität synthetischer Bilder in generativen Modellen.
Verbesserung von Noise-Sampling-Techniken für hochauflösende Bildsynthese durch Skalierung von Rectified Flow Modellen.
Akkumulierung von echten und synthetischen Daten kann den Modellkollaps verhindern, im Gegensatz zum Ersetzen von Daten, das zu einer fortschreitenden Verschlechterung der Modellleistung führt.