arXiv · 机器人与计算机视觉· Ji Woo Hong, Gwanhyeong Koo, Hee Suk Yoon, Eunseop Yoon, SooHwan Eom, Qi Dai, Chong Luo, Chang D. Yoo·· 9 天前精选AI 评分78
Logit-Conditioned Diffusion Decoding for Frozen Discrete-Token VLMs
Logit-Conditioned Diffusion Decoding for Frozen Discrete-Token VLMs
AI 导读
论文提出 DCDD 框架,旨在解决预训练离散 Token 视觉语言模型(VLM)因 VQ-VAE 解码阶段导致的视觉保真度瓶颈。该方法无需重训基础模型,而是利用模型采样前计算出的 Logit 分布作为条件来驱动扩散解码器。
推荐理由
该工作提出 DCDD 框架,在不重训预训练离散 Token VLM 的前提下利用采样前 Logit 分布提升生成图像保真度。
来源:arXiv · 机器人与计算机视觉 · arxiv.org