扩散模型把解码这道工序也吃了下来 (opens in new tab)

消费级显卡一秒钟出2048分辨率大图，PiD把「latent解码」这道老工序换成了像素扩散，顺手把超分也包了 让模型「看着图想」一直很难落地，ETCHR的思路是给模型配一个会P图的助手，即插即用就能给Qwen、Gemini、Kimi各涨5个点 拍照这件事也能交给Agent了：PhotoFlow让模型自己进3D场景里找机位、按审美构图、渲染出片 Scaling Law为什么会失灵？ 有人用香农的信道理论给出了解释：模型越训越大不等于越好，信噪比才是关键