新方法为模拟内存计算硬件重新校准扩散Transformer

研究人员开发了一种新颖的方法，用于在与模拟内存计算（CIM）硬件一起使用时重新校准扩散Transformer（DiTs）。该方法解决了CIM固有的非理想性如何扭曲分类器自由指导（CFG）信号的问题，而CFG信号对于生成高质量图像至关重要。通过仅在采样过程中调整CFG尺度，该方法有效地恢复了生成质量，显著缩小了由CIM噪声在PixArt-Sigma、PixArt-alpha和DiT-XL/2等各种模型中引起的FID分数差距。 AI

影响 提高了新兴模拟硬件上图像生成模型的效率和质量，可能降低成本并增加可访问性。

排序理由 学术论文，详细介绍了在特定硬件上提高AI模型性能的新方法。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CV 阅读 →

• analog compute-in-memory
• Classifier Free Guidance
• Diffusion Transformers
• DiT-XL/2
• PixArt-alpha
• PixArt-Sigma

• 论文
• 基础设施

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →