FARMER combina un flujo autorregresivo invertible, que puede mapear imágenes hacia y desde el espacio latente sin pérdida de información, con un Transformer autorregresivo que modela la distribución de cada token latente utilizando mezclas gaussianas, proporcionando probabilidades exactas en un generador de un solo paso a nivel de píxel. Introduce tres innovaciones clave: - La división de canal auto-supervisada separa las características latentes en grupos informativos (Zᴵ) y redundantes (Zᴿ), modelando eficientemente la estructura y el detalle. - La guía sin clasificador basada en re-muestreo (CFG) mejora la calidad de la imagen y permite un muestreo controlable. - La destilación de AF en un solo paso acelera la generación al reemplazar la lenta reversión secuencial con un único paso de reversión rápida. En ImageNet-256 (condicional por clase, 50k muestras), el modelo patch-8 de 1.9B logra FID 3.60 / IS 269.21 / Prec 0.81 / Rec 0.51. Después de +60 épocas, la inferencia se vuelve 22× más rápida para la reversión de AF (0.1689s → 0.0076s por imagen) y aproximadamente 4× más rápida en general (0.2189s → 0.0567s por imagen). Supera a JetFormer 2.8B (FID 6.64) y TARFlow p8 (4.69), y es competitivo con STARFlow p8. La variante ajustada del decodificador de STARFlow (FID 2.40) sigue siendo más fuerte pero utiliza una configuración de múltiples etapas.

Llevando los límites de los humanoides con THOR: Hacia una reacción corporal completa a nivel humano. BAAI THOR llegará pronto. #Robotics #AI #WholeBodyControl

El futuro de la búsqueda comenzará en un cuadro de chat de IA conversacional.