arXiv · 机器人与计算机视觉· Bingliang Zhang, Wenda Chu, Yizhuo Li, Linjie Yang, Yisong Yue, Katherine L. Bouman, Yang Song, Qiushan Guo·· 22 天前AI 评分65
SpeeDiff:可扩展的像素锚定端到端潜在扩散模型
SpeeDiff: Scalable Pixel-Anchored End-to-End Latent Diffusion Model
AI 导读
论文提出了 SpeeDiff,这是一种从头联合训练 VAE 和扩散模型的潜在扩散方法。针对端到端训练中潜空间坍塌的问题,作者引入了 Tweedie 像素重建(TPR)损失,利用中间噪声状态解码预测的干净潜变量以提供像素级反馈。
来源:arXiv · 机器人与计算机视觉 · arxiv.org