SD-VAE
PulseAugur coverage of SD-VAE — every cluster mentioning SD-VAE across labs, papers, and developer communities, ranked by signal.
1 天有情绪数据
-
新的RB-LDC方法增强了潜在扩散模型中的噪声鲁棒性
研究人员开发了RB-LDC,一种提高潜在扩散模型对噪声鲁棒性的新方法。通过引入一个在不同潜在方向上平衡冗余的可逆线性层,RB-LDC根据解码器的敏感度优化信噪比(SNR)的分配。这种方法通过基于雅可比行列式的敏感度估计来实现,与标准的各向同性编码相比,在ImageNet上展示了改进的重建质量和降低的Fréchet Inception Distance(FID),尤其是在采样过程中的噪声条件下。
-
研究发现,图像生成难度取决于目标表示
一篇新的研究论文探讨了不同的目标表示如何影响图像生成难度。该研究在一个在ImageNet上训练的统一掩码自回归模型中,比较了原始像素、SD-VAE潜在表示、DINOv2和MAE特征。结果表明,DINOv2收敛速度最快,并且受益于特定的架构调整,而原始像素需要不同的配置。MAE特征实现了高重建保真度,但与DINOv2相比,生成的图像质量较差,这表明压缩、语义聚类和令牌维度等因素并不能完全预测生成性能。该研究强调,目标表示会在包括上下文建…
-
新的UDT架构融合了U-Net与Diffusion Transformer
研究人员推出UDT,一种融合了U-Net和Diffusion Transformer(DiTs)优势的新型生成模型架构。UDT采用数据自适应Token合并技术,在保持Transformer的Token维度的同时,调和了U-Net的编码器-解码器结构与DiTs的表示能力。该方法在图像生成任务上实现了更快的收敛速度和更优的性能,优于现有的U-Net DiTs,并取得了与其他先进方法相当的结果。