arXiv · cs.LG· Krunoslav Lehman Pavasovic, Th\'eophane Vallaeys, St\'ephane Mallat, Giulio Biroli, Luke Zettlemoyer, Brian Karrer, Jakob Verbeek·· 16 小时前
WaiT：频率感知的流匹配图像生成模型
WaiT for the Signal: Simple Frequency-Aware Flow-Matching
AI 导读
研究者提出 WaiT，一种基于无损小波的图像 Transformer，将生成拆分为粗、细频段，高频段先保持纯噪声，待粗结构成形后再加入流匹配联合细化。在 ImageNet 512x512 上，WaiT 取得像素空间 FID 1.43，采样计算最多减少 50%；其最大 2B 模型创下像素空间模型 FID 1.3 的新 SOTA。
来源：arXiv · cs.LG · arxiv.org