Apple ML Research发布三模态扩散模型分析

发生了什么

据Apple ML Research论文，团队引入首个从头预训练的三模态掩码扩散模型（MDM），在文本、图像-文本和音频-文本数据上进行训练。研究系统分析了多模态缩放定律、模态混合比例、噪声调度和批量大小效应，并提供了优化的推理采样默认值。