HiT 分层扩散模型实现像素端到端图像生成

研究团队发布 HiT(Hierarchical Diffusion Transformer)图像生成模型,无需单独训练的编码器,直接在像素空间端到端训练,即可自动学习出自身的抽象层级,并动态地在多个层级对 patch 进行处理。该方法在 ImageNet 256×256 基准上取得 1.48 的 FID 成绩,相关论文已发布于 arXiv。

2026-11-19 ~ 2026-11-19 · 2 条相关