跳到正文
热点事件持续更新

论文提出分层扩散Transformer HiT用于像素空间图像生成

1 篇报道1 个报道来源2 小时前更新

先了解这件事

AI 综述

论文作者发布分层扩散 Transformer(HiT),通过逐步分组 token 并用压缩预算调节压缩率,在单阶段像素空间训练中学习视觉层次结构,实现端到端图像生成。据论文,HiT 在 ImageNet 256×256 上取得 1.48 FID,以约 40% 的累计训练 FLOPs 达到与 JiT 相当的生成质量;并在五个基准的平均分上超过 UniLiP,去噪器参数约为其 1/6,前向 FLOPs 约为其 1/3。 该论文目前处于 Under Review 状态,上述性能为论文自述结果。

AI 根据报道生成 · 1 小时前更新

报道时间线

沿着报道,了解事件的不同侧面。

11月19日
  1. arXiv cs.AI
    分层扩散 Transformer HiT 实现端到端图像生成

    论文提出分层扩散 Transformer(HiT),通过逐步分组 token 并用压缩预算调节压缩率,在单阶段像素空间训练中学习视觉层次结构。

本事件热度走势

还没有足够的连续观测数据,暂不绘制趋势。