跳到正文
热点事件持续更新

研究者提出分层扩散Transformer HiT

1 篇报道1 个报道来源22 小时前更新

先了解这件事

AI 综述

Xiaoyu Wu 等作者提出分层扩散 Transformer(HiT),在主干网络中逐步将相关 token 分组,并用单个 token 表示每组,从而在生成器内部学习视觉层级。 据该研究称,HiT 在 ImageNet 256×256 上达到 1.48 FID,训练 FLOPs 约为 JiT 的 40%,即取得与 JiT 相当的生成质量。

AI 根据报道生成 · 14 小时前更新

报道时间线

沿着报道,了解事件的不同侧面。

11月19日
  1. arXiv cs.AI
    分层扩散 Transformer(HiT):端到端图像生成新架构

    研究者提出分层扩散 Transformer(HiT),在主干网络中逐步将相关 token 分组并用单个 token 表示,从而在生成器内部学习视觉层级。HiT 在 ImageNet 256×256 上达到 1.48 FID,训练 FLOPs 约为 JiT 的 40% 即取得相当生成质量。

本事件热度走势

可比范围当前
5
可比范围峰值
811月19日 22:00
近 24 小时变化
–

趋势仅比较持续完整观测到的相同主体,范围可能小于当前热度统计。移动指针或点击图表查看每小时热度;键盘可用左右方向键切换。