DWD 论文:latent diffusion 无需 decoder,像素 FID 刷新至 1.43
GordonWetzstein · x · 2026-11-19
Gordon Wetzstein 组新论文提出 DWD:在 DiT 上加一个线性头,直接从最终特征读取像素,从而摆脱 latent diffusion 对独立 decoder 的依赖,同时保留去噪轨迹。要点:
- 在所有测试的 latent 模型上质量持平或更优,Wan 视频中闪烁减少;
- 意外发现:这种特征/像素分离对直接像素生成器同样有效,ImageNet FID 从 1.55 降至 1.43(像素生成新 SOTA),T2I 呈现出照片级纹理。
作者指出「扩散 transformer 是否需要单独 decoder」这一答案是:不一定需要。
所属事件:DWD 论文去掉解码器,扩散模型直接出像素刷新 SOTA(2 条相关)→
「多模态」频道最新
- Seedance 2.5 4K 视频生成登陆 CapCut PC,黑五首月 5 折再半价 — HeyNayeem · 2026-11-19
- fal发布Idol Max/Turbo:单张图生成游戏级3D网格,带UV与自动绑骨 — OdinLovis · 2026-11-19
- HiT 图像生成模型:从像素端到端学出抽象层级,ImageNet 256 FID 达 1.48 — LucaAmb · 2026-11-19
- osmo 更名应用型 AI 实验室,发布 Slack 内全栈视频 agent Posty — yawnxyz · 2026-11-19
- MOSS-Image-Base 实测:路牌便签类小字场景文本渲染到位 — Impressive-Kick293 · 2026-11-19
- 开发者借 Claude 在 16GB M1 Mac 上把 MiniMax H3 视频生成提速近一倍 — Lokoto123 · 2026-11-19