IXThinker·2025-12-23 22:20

語義理解愈強生成愈糊？研究拆解成因

視覺模型愈先進，生成效果反而愈差？一項來自Adobe Research的研究拆解了這個反常現象：高語義理解未必等於好的生成，過度倚重全局語義甚至會破壞圖像的空間結構。團隊提出的iREPA方法以簡單改動扭轉劣勢。

反常現象

直覺上，模型要先「知道」畫面是什麼才能畫好：ImageNet分類準確率愈高，語義理解愈強，生成理應愈穩定。但研究中反覆出現的情況恰好相反，分數更高的模型，生成結果反而更糊。