unconv-ai/Un-0

解決的問題

Un-0 是一種避免現代 AI 圖像生成器中常見的計算成本高昂的迭代去噪與擴散排程的圖像生成模型。它旨在透過利用動態系統作為計算基礎，實現 AI 能耗顯著降低的途徑，該基礎可映射至類比與物理硬體。

工作原理

與擴散不同，Un-0 使用 Kuramoto 動力學——整合一組耦合振子的相位動力學。該模型透過演化這些振子，並將結果透過解碼器傳遞來生成圖像。本專案提供 PyTorch 參考實作，包含 CIFAR-10 與 ImageNet-64 的訓練流程，訓練過程中使用 DINOv2 特徵。

適用對象

對非傳統 AI 架構、動態系統以及能源效率圖像生成感興趣的研究人員與開發者。

主要亮點

• 非擴散方法：無需迭代去噪或對抗訓練即可生成圖像。
• 能源效率：在類比／物理硬體上實現時，有望實現能耗降低 1000 倍。
• 預訓練權重：包含不同振子數量的 CIFAR-10 與 ImageNet-64 檢查點。
• 消融實驗套件：提供全面的套件，用於衡量 Kuramoto 動力學與解碼器單獨作用的影響。