PixelDiT
PulseAugur coverage of PixelDiT — every cluster mentioning PixelDiT across labs, papers, and developer communities, ranked by signal.
2 天有情绪数据
-
新的维纳信息解码方法加速了AI图像模型的训练
研究人员开发了维纳信息解码（WiD）方法，这是一种改进像素空间流模型训练的新颖方法。通过结合粗略的二阶图像统计信息，WiD以最少的额外参数加速了训练并提高了生成质量。该方法已显示出显著的改进，例如PixelDiT-XL在ImageNet上以显著减少的训练周期达到了具有竞争力的Fréchet Inception Distance。
-
BudgetPix框架为图像扩散模型实现自适应计算
研究人员推出了一种新颖的图像扩散模型框架BudgetPix，该框架根据视觉复杂度自适应地分配计算资源。这种方法允许单个模型检查点在广泛的计算预算范围内运行，优化了质量-成本权衡。评估表明，BudgetPix在使用的计算量显著减少的情况下，可以实现与MiniT2I-L和PixelDiT等现有模型相当的保真度，并且在类别条件生成任务中表现出接近零的质量下降。
-
ShatterQuant为Transformer硬件实现块状混合精度
研究人员开发了ShatterQuant，一种用于神经网络混合精度量化的新颖框架，它允许在单个张量内的不同块分配独立的比特宽度。该方法与专为Transformer设计的定制硬件加速器集成，从而能够更精细地控制精度和计算效率。与现有方法相比，该系统在TOPS、面积效率和能效方面均有显著提升，同时在图像识别和生成任务上保持了可比的准确性。
-
MOSAIK框架通过自适应补丁大小提高图像生成效率
研究人员开发了MOSAIK，一个旨在提高像素空间扩散模型中图像生成效率的新颖框架。该方法通过在不同图像区域和去噪步骤中动态调整补丁大小，解决了这些模型中高令牌数量带来的计算成本问题。MOSAIK采用一种损伤引导的方法，将更精细的补丁分配给敏感区域，将更粗糙的补丁分配给不太关键的区域，从而在保持竞争性能的同时显著降低了FLOPs和令牌数量。
-
PID 方法提升 Krea 2 图像生成质量
一种名为 PID（Pixel Diffusion）的新方法已被开发出来，用于提高 Krea 2 的图像生成质量，Krea 2 之前使用了一个效果不佳的 VAE。PID 直接在像素空间解码图像，绕过了 VAE，从而增强了细节、色彩和对比度。此方法需要大量的 VRAM，并且必须禁用 SageAttention 以避免生成黑图。
-
ComfyUI-PiD 更新增加了原生模型支持和 FP8 精度
ComfyUI 的一个自定义节点 ComfyUI-PiD 已更新，支持原生 PixelDiT/PiD 模型加载和 FP8 精度。此次更新消除了对旧加载方法的依赖，并与 ComfyUI 的原生模型文件夹集成。新功能包括一个仅图像的平铺放大器节点，以及对 SD3、SDXL 和 Qwen-Image 等各种骨干网络的支持，并附带即用型示例工作流。
-
New Diffusion Transformers Advance Image Generation and Transmission
研究人员正在开发新的扩散 Transformer 模型，用于先进的图像生成和传输。其中一种方法 DDM-SSCC，将扩散语言模型应用于无损像素级图像传输，在噪声信道条件下表现优于现有方法。另一个模型 HyperDiT，通过连接语义和像素流形，利用超连接跨尺度交互来实现高保真像素生成。此外，PixelDiT，一个拥有 13 亿参数的模型，提供无 VAE 的文本到图像生成功能，并支持图像编辑和各种宽高比。