U-Nets

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。