研究人员推出 Nemotron-Labs-Diffusion-Image，这是一种新颖的掩码离散扩散模型，专为高分辨率文本到图像合成而设计。该模型通过引入用于迭代refinement的token-editing机制和Grouped Cross-Entropy (GCE) objective来缓解大词汇量下的训练信号稀疏性，从而解决了现有掩码扩散模型的局限性。这些进步提高了训练效率和图像保真度，在GenEval、DPG和HPSv3等基准测试中表现强劲。 AI
影响 引入了高分辨率文本到图像生成的新技术，可能提高模型保真度和训练效率。
排序理由 该集群描述了一篇关于新颖图像合成模型的研究论文。
在 Hugging Face Daily Papers 阅读 →
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
A masked discrete diffusion model for text-to-image synthesis that addresses limitations in token refinement and training efficiency through novel mechanisms and optimizations.
arXiv:2606.29814v1 Announce Type: new Abstract: We propose Nemotron-Labs-Diffusion-Image, a state-of-the-art masked discrete diffusion model (MDM) for high-resolution text-to-image synthesis. Compared with prior work on masked image generation, Nemotron-Labs-Diffusion-Image addre…