Buscar noticias
Buscá por texto y descubrí noticias relacionadas con tu consulta.
Noticias relevantes
Hasta 10 noticias relacionadas por su significado, ordenadas por relevancia.
No encontramos noticias relacionadas por su significado.
Noticias encontradas
Coincidencias en título, descripción, resumen, tags, personas o periodista.
3 resultados para «Roman Frigg»
Más recientes primero · Hasta 30 noticias por página
Hugging Face BlogPRX Parte 4: la estrategia de datos detrás del modelo de difusión de Photoroom
Photoroom publica la cuarta parte de su serie PRX, centrada en la estrategia de datos detrás de su modelo de difusión texto-a-imagen de 7B. El equipo detalla cómo ensambla un corpus diverso de fuentes públicas e internas, reetiqueta las imágenes con modelos de visión-lenguaje (eligiendo Qwen3-VL-8B) y usa Lance para construir y MDS para transmitir los datos. También describe el filtrado ligero, la deduplicación por hashes perceptuales y la agrupación por resolución y relación de aspecto.
PRX Parte 3: cómo entrenar un modelo de texto a imagen en 24 horas con 32 GPU H200
El equipo de Photoroom publicó la tercera parte de su serie PRX, en la que combina técnicas de entrenamiento de modelos de difusión para texto a imagen y logra un modelo funcional en 24 horas con 32 GPU H200 y un presupuesto de 1500 dólares. La receta integra predicción-x en espacio de píxeles sin VAE, pérdidas perceptuales LPIPS y DINOv2, enrutamiento de tokens con TREAD, alineación de representaciones con REPA y DINOv3, y el optimizador Muon. Los autores liberaron el código en GitHub y señalan que los fallos restantes se deben al subentrenamiento y a la limitada diversidad de datos, no a defectos estructurales de la receta.
Diseño de entrenamiento para modelos texto-a-imagen: lecciones de ablaciones
El equipo de Photoroom publica la segunda parte de su serie sobre entrenamiento eficiente de modelos texto-a-imagen desde cero, centrada en el modelo PRX. Documenta ablaciones sobre alineación de representaciones (REPA, iREPA), objetivos de entrenamiento (Contrastive Flow Matching, predicción-x/JiT), enrutamiento y esparcimiento de tokens (TREAD, SPRINT) y decisiones de datos (subtítulos largos vs. cortos, datos sintéticos vs. reales, SFT con Alchemist). Las mayores ganancias provienen de la alineación de representaciones y de mejores latentes/tokenizadores, mientras que el enrutamiento de tokens rinde sobre todo a alta resolución; también reportan detalles prácticos como el optimizador Muon y el impacto negativo de almacenar pesos en BF16.