斯坦福论文 DWD:DiT 加线性头直接出像素,丢掉 VAE 解码器

kwangmoo_yi · x · 2026-11-19

斯坦福大学与 Luma AI 等机构发布 arXiv 论文 DWD(Decoding Without a Decoder),提出让扩散 Transformer 通过线性头直接预测最终像素,省去潜在扩散模型对解码器的依赖。

核心思路:

效果:

代码即将开源,另有 MiniMax H3 相关实验与 AnisoT2I 项目。作者推测,训练时的 V(Q)AE 或许只是加速手段,事后可被完全抛弃。

所属事件:斯坦福 DWD 论文:扩散模型免解码器直出像素(4 条相关)→

原文链接 →

「多模态」频道最新

更多「多模态」频道 AI 资讯 →