研究人员开发了 SpecSlot，一种新颖的像素空间生成 Transformer，旨在提高图像生成的效率和细节。该模型通过将空间锚点扩展到多个槽，每个槽处理 DCT 系数的不同频段，从而将输出细节与全局注意力序列的长度解耦。只有最低频段的槽参与全局注意力，而所有槽都进行局部交互，从而在不按比例增加计算成本的情况下提高频谱细节。SpecSlot 在 ImageNet 和 DPG-Bench 等基准测试中，与 JiT 等现有模型相比，在 Fréchet inception distance 方面表现出具有竞争力或更优的性能，且 FLOPs 更少。 AI
影响 这种新架构可能带来更高效、更精细的图像生成模型，对数字艺术和计算机视觉等领域产生影响。
排序理由 这是一篇详细介绍生成 Transformer 新模型架构的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]
- arXiv
- DPG Bench
- Fréchet inception distance
- Hugging Face
- ImageNet-256
- ImageNet-512
- Jit
- JiT-B/16
- JiT-B/8
- SpecSlot
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
