[논문리뷰] Iris-3B: Going Beyond the Latent with Pixel-Space Diffusion Training, Conversion and Fine-Tuning본 연구는 Latent diffusion 모델의 핵심 한계인 VAE 압축 손실 문제를 해결하고자 픽셀 공간(Pixel-space)에서 직접 생성하는 모델의 효율성을 검증합니다.#Review#Pixel-space Diffusion#Iris-3B#Latent-to-Pixel Conversion#Representation Alignment#Monocular Depth Estimation#Image Restoration2026년 10월 7일댓글 수 로딩 중
[논문리뷰] Show the Signal, Hide the Noise: Spectral Forcing for Pixel-Space Diffusion본 논문은 픽셀 공간 확산 모델에서 모델의 컴퓨팅 자원이 비효율적으로 할당되는 문제를 해결하고자 합니다.#Review#Pixel-space Diffusion#Rectified-flow#Spectral Forcing#Data-to-Noise Ratio#Capacity Allocation#Coarse Tokenization2026년 6월 16일댓글 수 로딩 중
[논문리뷰] Representation Forcing for Bottleneck-Free Unified Multimodal Models본 논문은 기존 UMM이 frozen VAE에 의존하여 발생하는 structural bottleneck 문제를 해결하기 위해 Representation Forcing (RF)을 제안한다 .#Review#Unified Multimodal Models#Representation Forcing#Pixel-space Diffusion#Vector Quantization#End-to-End Learning#Bottleneck-Free#Mixture-of-Transformers2026년 5월 31일댓글 수 로딩 중
[논문리뷰] Representation Alignment for Just Image Transformers is not Easier than You ThinkRepresentation Alignment (REPA)는 Latent Space Diffusion Transformer의 학습을 가속화하는 효과적인 방법으로 제시되었으나, Just Image Transformers (JiT)와 같은 Pixel-space Diffusion 모델에 이를 적용할 경우 오히려 성능 저하를 야기합니다.#Review#Representation Alignment#Pixel-space Diffusion#Just Image Transformers#Feature Hacking#Masked Transformer Adapter#Diffusion Models#Image Generation2026년 3월 26일댓글 수 로딩 중