李飞飞团队新作：简单调整生成顺序，大幅提升像素级图像生成质量

背景：AI图像生成领域长期存在潜空间模型效率高但细节有损、像素空间模型保真度高但结构混乱且速度慢的矛盾，业界普遍认为这是架构固有的取舍问题。研究目的：李飞飞团队旨在打破这一共识，探索在不改变基础架构的情况下，通过调整生成顺序来同时提升像素级图像生成的效率和质量。结论：团队提出的Latent Forcing方法通过引入双时间变量机制，强制模型遵循“先潜变量定结构、后像素填细节”的生成顺序，在保持端到端无损像素精度的前提下，显著提升了生成速度与图像质量，在ImageNet等基准上刷新了像素空间扩散Transformer的SOTA性能，证明了无需有损压缩也能实现卓越的生成效果。