以下为上游提供的源文稿,可能存在识别错误。
乔木转写是基于源文稿的中文提炼,不是逐字翻译。请核对原文中的人名、数字与观点。
选一篇,慢慢读
从左侧挑一篇,正文会在这里排成书页。
Latent diffusion models rely on a decoder to map denoised latents to pixels, adding complexity and inference cost. We introduce Decoding Without a Decoder (DWD), which lets a finetuned diffusion transformer produce final pixels directly through a linear head. Unlike previous methods, where the denoising output leads to
阅读原文 · Hansheng Chen, Shengqu Cai, Jan Ackermann, Rayhan Zirvi, Gordon Wetzstein, Xinchen Yan, Leonidas Guibas
向阳乔木 · opencode-go/deepseek-v4.1-flash
这篇论文想砍掉潜空间扩散模型里那个“解码器”。 现在的潜空间扩散模型,采样是在压缩后的潜空间里做的,最后还得靠一个解码器把潜变量还原成像素。这个解码器又贵又麻烦,还容易在细节上出问题。DWD 的思路是:让微调过的扩散 Transformer 直接输出像素,用一个线性头搞定。 如果这个思路成立,潜空间扩散的推理链路会短一截,显存和延迟都能省。 摘要里给的结果挺...