何恺明ResNet级神作，分形生成模型计算效率狂飙4000倍！清华校友一作

文章预览

本文转载来源：新智元公众号，不代表官方立场 图像生成建模全新范式来了。 你是否曾凝视过雪花的精致对称，或惊叹于树枝的无穷分支？ 这些都是大自然中的「分形」。早在1983年，数学家Mandelbrot就揭示了这一现象。 而如今，何恺明团队将这一概念注入AI，重磅提出「分形生成模型」（fractal generative models），将GenAI模型的模块化层次提升到全新的高度。 论文链接：https://arxiv.org/abs/2502.17437 类似于数学中的分形，它采用了「递归结构」，递归调用原子生成模块，构建了新型的生成模型，形成了自相似的分形架构。 具体来说，每个生成模块内部包含了更小的生成模块，而这些小模块内又嵌套着更小的模块。 这也并非凭空想象，科学研究早已证明，大脑的神经网络正是分形的杰作。人类大脑同样是通过模块化递归，将微型神经网络组合成更大的网 ………………………………