全部
全部

选一篇,慢慢读

从左侧挑一篇,正文会在这里排成书页。

文章与公开阅读资产

无需解码器的解码:从扩散 Transformer 直接预测像素

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

乔木风格重写

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...

  • JK下一篇 / 上一篇
  • S收藏
  • A问 AI
  • I沉浸阅读
  • Esc退出

分享海报

正在生成海报…

主题

字体

开源字体第一次使用时联网下载,只取海报上用到的字。