DWD 论文:去掉解码器,扩散模型直接预测像素并刷新 SOTA
Crazy-Repeat-2006 · reddit · 2026-11-19
新论文提出 Decoding Without a Decoder(DWD):让微调后的扩散 Transformer 通过一个线性头直接输出最终像素,从而移除潜空间模型对独立解码器的依赖,降低推理成本。
方法要点:
- 角色分离:原去噪头继续驱动采样轨迹(锚定在预训练模型以保持轨迹不变),新增的 DWD 头只在最后一步预测像素
- 高效扩展:只微调最后几个 Transformer 块,用像素质量损失训练 DWD 头
效果:
- 在潜空间图像与视频生成器上移除解码器并降低推理成本,质量持平甚至更好;Wan 视频生成的 warping error 降低 23%,明显减少细节畸变与闪烁
- 同样的分离思路对不用解码器的像素扩散模型也有效:text-to-image 纹理细节显著提升,ImageNet FID 从 1.55 降至 1.43,刷新像素流模型 SOTA
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
- 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
- Dreamina黑五推不限量生成:Seedance 2.5可用30天,积分低至1.7折 — FellMentKE · 2026-11-19
- 开发者用 Gemini 4 + Antigravity 打造音乐交互 demo 并发布教程 — alexanderchen · 2026-11-19