两篇新的研究论文介绍了用于图像生成的新型扩散 Transformer 架构。第一篇 MS-pDiT 将空间尺度视为一种模态,同时处理多分辨率图像以提高保真度并实现灵活的标记化。第二篇全景场景程序扩散 Transformer (PSP-DiT) 将全景场景程序视为一等潜在变量,增强了模型处理涉及实例身份、属性和空间关系组合提示的能力。 AI
影响 这些扩散 Transformer 架构的进步可能带来更复杂、更可控的图像生成模型。
排序理由 两篇在 arXiv 上发表的学术论文,介绍了用于图像生成的新型扩散 Transformer 架构。
- alphaXiv
- arXiv
- Chika Maduabuchi
- DagsHub
- DetailMaster
- DPG Bench
- Fréchet inception distance
- GenEval 2
- Gotit.pub
- Hugging Face
- ImageNet
- MM-DiT
- MS-pDiT
- Panoptic Scene Program Diffusion Transformer
- PSG-Score
- PSP-DiT
- SANEval-Simple
- ScienceCast
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →