arXiv · cs.AI· Soumik Mukhopadhyay·· 11 天前AI 评分36
重新思考 Vanilla Pixel Diffusion Transformer 的设计空间：MFlow 与 ConvRefiner
Rethinking the design space of Vanilla Pixel Diffusion Transformers
来源与原文
arXiv · cs.AI
作者：Soumik Mukhopadhyay
发布时间：（北京时间）
阅读原始来源 · arxiv.org ↗完整链接与内容说明
https://arxiv.org/abs/2610.23854v1
本站目前仅有 AI 导读与摘要，未展示原文正文；技术细节、代码和完整结论请查看原始来源。
AI 导读
该 arXiv 论文提出 MFlow，一种在 x₀-预测与速度预测之间自适应插值的扩散模型参数化，在 ImageNet、UCF-101 视频和大规模文生图上取得竞争力或更优的性能，并发现模型容量越大越偏向速度预测。针对像素扩散 Transformer 普遍存在的高频缺陷，作者进一步提出 ConvRefiner，在冻结扩散主干的前提下用对抗损失轻量后训练，恢复生成图像的高频统计且保持 FID。
来源：arXiv · cs.AI · arxiv.org