图像生成模型做密集预测
Zanyi Wang · hf · 2026-07-13
论文提出一种把预训练文本到图像扩散 Transformer 用于密集预测的新方法。 核心思路是：不再让模型生成 RGB 图像，而是把 token 映射到任务原生输出，从而直接完成像素级密集回归或分类任务。作者表示，这种方式只需增加很少的参数，就能在多个密集预测任务上取得 SOTA 表现。
Zanyi Wang · hf · 2026-07-13
论文提出一种把预训练文本到图像扩散 Transformer 用于密集预测的新方法。 核心思路是：不再让模型生成 RGB 图像，而是把 token 映射到任务原生输出，从而直接完成像素级密集回归或分类任务。作者表示，这种方式只需增加很少的参数，就能在多个密集预测任务上取得 SOTA 表现。