「論文筆記」DuoAD：Leveraging [CLS] Dual Characteristics for Training-Free Few-Shot Anomaly Detection
DuoAD 運用了 ViT 的雙性質，達成了全自動、無手動 config 的 Few-Shot Training-Free Anomaly Detection SOTA
精選作品
從研究到落地，從軟體到硬體。
探索生成式 AI、電腦視覺、互動圖學與硬體原型的完整實作。
Recent Posts
「論文筆記」LSSGen：Leveraging Latent Space Scaling in Flow and Diffusion for Efficient Text to Image Generation
LSSGen 將 Diffusion 與 Flow 的前期 Denoising 搬到低解析度 Latent Space，在保留生成品質的同時降低高解析度生成成本。
「論文筆記」Common Diffusion Noise Schedules and Sample Steps are Flawed
關於論文 Common Diffusion Noise Schedules and Sample Steps are Flawed 的筆記
「筆記」PyTorch Lightning 於 DataModule 和 Model 之間共享參數
於 PyTorch Lightning 中，多個模組間共享參數的問題
「專案筆記」Manga Inpainting and Restoration based on Latent Diffusion Model
關於本人碩論：基於潛在擴散模型與對稱式變分自動編碼器的漫畫修補和復原之專案實作筆記