DiT

ViT与DiT核心技术如何颠覆视觉与生成领域？

FID分数几乎呈线性下降,这在U-Net架构中是不可想象的。这种可预测的特性,使得开发者嫩够像调整语言模型规模那样精确控制图像生成质量。 DiT的核心创新在于将图像处理转化为token序列。想象把一张32x32的潜在特征图切成16x16个小