MiniDog：4张3090训练文生图模型

2026年10月15日，arXiv Computer Vision 刊出 Reyhaneh Esmailizadeh 等作者的论文，提出 MiniDog——一个面向狗品种文本到图像的扩散 Transformer 训练框架。据该报道，MiniDog 可在四块 3090 GPU 上于 55 分钟完成扩散 Transformer 预训练，再用 15 分钟完成微调；为提升效率，作者预先计算并缓存图像与文本特征。论文称项目已开源，作者同时声明不主张技术新颖性，该工作被 NeurIPS 2026 Education Track 接收。目前该事件仅有这一篇主报道，尚无后续跟进报道，因此上述训练时长、硬件条件、开源与接收信息均以该论文自述为准，未获独立验证；报道也未提及与其他早期说法的冲突。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。