arXiv · 机器人与计算机视觉· Ruibo Chen, Kaishen Wang, Tianyi Xiong, Chenxi Liu, Yanshuo Chen, Heng Huang, Jian Du·· 10 天前AI 评分78
MS-pDiT:一种将空间尺度视为模态的多尺度像素空间扩散 Transformer
Scale as a Modality: Multi-Scale Pixel-Space Diffusion Transformers
AI 导读
论文提出 MS-pDiT,这是一种多尺度像素空间扩散 Transformer,它将空间尺度作为新的架构维度,通过专用流处理不同尺度的图像块并利用紧凑的联合注意力实现双向跨尺度信息交换。
来源:arXiv · 机器人与计算机视觉 · arxiv.org