刚刷到南洋理工在搞一个方向，核心是让 AI 图像生成「只看有用的部分」，从频谱和数据的角度给训练做减法，相当于加了层滤镜，把对结果没帮助的信息先筛掉再喂给模型。
这个切入点我挺认可。现在很多提升都堆在参数和数据量上，但真正决定质量的往往是模型有没有把力气花在对的地方。频域上做取舍这条路以前也有人走，能落到训练效率上就有实用价值。
具体筛哪些频段、掉不掉细节，得看它后面放出来的东西。光凭一句话还看不出代价在哪。
1 个赞
mark
频域做减法不是新概念了，关键看它筛的粒度
就怕把高频细节一块筛没了，出图发糊
同意，现在真缺的是往对的地方使劲，不是堆卡