使用场景
在MNIST数独数据集上，SRM能够通过逐步推理解决复杂的视觉数独问题。
在Even Pixels数据集上，SRM展示了其在处理复杂图像分布时的优越性能。
通过Counting Polygons FFHQ数据集，SRM证明了其在视觉推理任务中的多样性和准确性。
产品特色
通过去噪过程迭代解决视觉任务，如视觉数独
支持自定义噪声水平，控制生成过程的顺序化程度
提供多种顺序化策略，包括基于不确定性的贪婪启发式方法
引入两阶段噪声水平采样策略，确保训练过程的全面性
提供多种基准数据集，用于评估模型的推理能力和复杂分布处理能力
使用教程
访问项目主页，了解SRM的基本原理和框架。
下载SRM的代码和预训练模型，安装必要的依赖库。
使用提供的基准数据集训练或微调SRM模型。
通过调整噪声水平和顺序化策略，优化模型的推理性能。
在实际的视觉任务中部署SRM，利用其强大的空间推理能力解决问题。
