跳到正文
arXiv · 机器人与计算机视觉· Krunoslav Lehman Pavasovic, Th\'eophane Vallaeys, St\'ephane Mallat, Giulio Biroli, Luke Zettlemoyer, Brian Karrer, Jakob Verbeek·· 16 天前AI 评分58

WaiT:一种感知频率的流匹配图像生成模型发布

WaiT for the Signal: Simple Frequency-Aware Flow-Matching

AI 导读

WaiT 是一种感知频率的流匹配图像 Transformer,利用无损小波将生成分解为粗粒和细粒度频带,让高频噪声在低频结构出现前保持纯净以等待信号。该模型在 ImageNet 512x512 上实现了像素空间 FID 1.3 的新纪录,并在纹理保真度上优于最强的潜在空间模型。

来源:arXiv · 机器人与计算机视觉 · arxiv.org