IA y automatización · Pensamiento y aprendizaje
¿Y si hemos estado entrenando modelos de difusión "al revés" todo este tiempo? 🤯
Texto propio recuperado del archivo personal de LinkedIn, revisado el 26 de septiembre de 2026. Fecha contrastada con los metadatos públicos de la publicación. Título y descripción editoriales; cuerpo conservado, con formato adaptado a Markdown.
Ver publicación original ↗¿Y si hemos estado entrenando modelos de difusión “al revés” todo este tiempo? 🤯
Kaiming He (creador de ResNet y MAE) lo ha vuelto a hacer. Acaba de publicar un paper que desafía el estándar actual de la IA generativa: “Back to Basics: Let Denoising Generative Models Denoise”.
La mayoría de los modelos actuales (como Stable Diffusion) se entrenan para predecir el ruido (ϵ) añadido a una imagen. La lógica predominante era que predecir el ruido es más estable.
Este paper dice: Error. 🛑
La propuesta es radicalmente simple: ✅ Predecir la imagen limpia (x) directamente. ❌ Dejar de predecir el ruido.
¿Por qué es esto un game-changer?
La Hipótesis del Manifold: El ruido es caótico y de alta dimensión. Las imágenes reales tienen estructura. Forzar a una red a predecir caos es ineficiente; pedirle que proyecte hacia la estructura (la imagen) es natural.
Adiós a la complejidad: Presentan JiT (Just image Transformers). Una arquitectura ViT estándar que trabaja sobre píxeles crudos.
Sin VAEs ni Tokenizadores: Demuestran que no necesitamos comprimir la imagen a un espacio latente si el objetivo de entrenamiento es el correcto.
Como profesionales en tecnología, a veces nos obsesionamos con arquitecturas complejas (U-Nets, Latent Spaces), y este paper es un recordatorio brutal de que, a veces, la ingeniería más elegante es la más simple.
Si “Less is More”, este paper es la prueba definitiva en Generative AI.
¿Creen que este enfoque de “raw pixels” reemplazará a los Latent Diffusion Models en el futuro cercano? Los leo en los comentarios. 👇
🔗 Link al paper: https://lnkd.in/emHtPtiQ
#ArtificialIntelligence #MachineLearning #GenerativeAI #ComputerVision #DeepLearning #Research #KaimingHe
La conversación continúa.