#FID

一篇挺硬核的表示学习论文：作者把 tokenizer 和生成模型放一起算 flop 效率，结果比 DINO 和 LeJEPA 更抗塌缩，还给出了 scaling 规律。

改进 flow matching 训练的新论文，联合学路径和流，还修了低熵瓶颈问题，代码开源，做生成模型的可以看看。

这篇论文解释了 Drifting Models 为什么在像素空间效果差，还提出从像素直接学判别表征，FID 降了 82-95%，做生成模型方向的可以看看。

新方法DMAD通过对抗蒸馏实现快速视觉生成，在多个基准上超越现有方法，代码已开源。

这篇论文提出了ZID，一个更全面的生成模型评估方法，它不仅检测偏离，还能诊断问题，对于想要深入了解生成模型评估的人来说是个好资源。

这篇论文用病理数据预训练模型改进了FID/IS指标，发现比ImageNet特征更贴合下游分割任务，搞病理AI的值得看。

这篇论文打破常规：不用多步扩散，只用单步卷积网络就在ImageNet上跑出FID 2.56，思路极简但效果惊艳，适合想了解生成模型新方向的你。

这篇论文改进了扩散模型的抗污染能力，用f-散度加权去噪在CIFAR-10上30%污染时FID从93降到77，比常用鲁棒损失好用。