创建

登录 ReadmeX

或

了解我们如何处理你的信息: 隐私政策

ReadmeX

陪你读懂 AI 动态

今天,想先了解什么?

选一份动态总结,或直接聊聊你的问题。

社区和关注动态总结只属于你自己。

资讯

DWD让扩散Transformer免解码器预测像素

AI 总结

一篇研究预印本提出免解码器方法DWD,在微调后的扩散Transformer上加入线性头,直接预测最终像素,同时保留原去噪头来引导采样。作者称,该方法在潜空间图像和视频生成中维持或提升了像素质量,使Wan视频生成的形变误差降低23%,并将像素流文本生成图像的ImageNet FID从1.55改善至1.43。

深度见解

移除独立解码器有望降低潜空间生成流程的复杂度和推理成本。作者还报告了像素质量提升,以及Wan视频生成中细节失真和闪烁减少的结果。

Computer Science > Computer Vision and Pattern Recognition

arXiv:2611.22287 (cs)

[Submitted on 17 Nov 2026 (v1), last revised 18 Nov 2026 (this version, v2)]

Title:Decoding Without a Decoder: Direct Pixel Prediction from Diffusion Transformers

Authors:Hansheng Chen, Shengqu Cai, Jan Ackermann, Rayhan Zirvi, Gordon Wetzstein, Xinchen Yan, Leonidas Guibas

View a PDF of the paper titled Decoding Without a Decoder: Direct Pixel Prediction from Diffusion Transformers, by Hansheng Chen and 6 other authors

#Decoding Without a Decoder (DWD)#Wan

原文约 3 分钟读完阅读原文
群聊

还没有评论,来说说你的看法。