HiT 端到端图像生成器自学抽象层级,ImageNet 256 达 1.48 FID

niloofar_mire · x · 2026-11-19

研究者提出 HiT:一个从像素端到端训练的图像生成器,无需单独训练的编码器即可自学抽象层级。它动态地在多个层级对 patch 分组,不依赖掩码或区域标签就能涌现出语义结构——背景坍缩为少数组,主体获得更多组,词语能点亮其指代的区域。成绩:ImageNet 256 上 1.48 FID;同等质量下训练算力比 JiT-H/16 少 2.4 倍;文生图基准上平均胜过参数量多 6 倍的模型。论文、代码与网站已公开。

所属事件:HiT:从像素端到端自学抽象层级的图像生成器(6 条相关)→

原文链接 →

「研究」频道最新

更多「研究」频道 AI 资讯 →