SpecSlot论文提出角色耦合Tokenization降低像素空间生成成本
热点事件持续更新
SpecSlot论文提出角色耦合Tokenization降低像素空间生成成本
1 篇报道1 个报道来源14 小时前更新
先了解这件事
AI 综述
Jiongfan Yang 在 arXiv 发布论文 SpecSlot（ICLR 2027 审稿中），提出一种像素空间 rectified-flow Transformer 的角色耦合 Tokenization 方法：将每个空间锚点扩展为多个分配不同 DCT 频段的 slot，仅让最低频 slot 参与全局注意力，从而把输出细节与全局注意力序列长度解耦。 实验结果显示，在 ImageNet-512 上其 FID 较同 FLOPs 的 JiT 对照提升 2.84 且 FLOPs 减少 3.9%；在文生图任务上 DPG-Bench 超过 JiT-B/8 达 1.06，前向成本降低 40.6%。
AI 根据报道生成 · 1 小时前更新
最新进展10月30日 01:59
SpecSlot：面向像素空间生成 Transformer 的角色耦合 Tokenization 方法报道时间线
沿着报道，了解事件的不同侧面。
10月30日
- arXiv · cs.AISpecSlot：面向像素空间生成 Transformer 的角色耦合 Tokenization 方法
SpecSlot 是一种像素空间 rectified-flow Transformer，通过将每个空间锚点扩展为多个分配不同 DCT 频段的 slot，并只让最低频 slot 参与全局注意力，把输出细节与全局注意力序列长度解耦。在 ImageNet-512 上其 FID 较同 FLOPs 的 JiT 对照提升 2.84 且 FLOPs 减少 3.9%；在文生图任务上，其 DPG-Bench 超过 JiT-B/8 达 1.06，前向成本降低 40.6%。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。