WaiT 频域感知 Flow-Matching 模型：WaiT for the Signal

WaiT 通过小波分解将生成过程分为粗细频段，让高频带等待粗结构出现后再参与精修。 模型在 ImageNet 512x512 上像素空间 FID 达 1.43，最大 2B 模型以 FID 1.3 创下像素空间模型 SOTA，且采样算力降低 50%。 该方法在纹理保真度上超越最强的潜在空间模型，并在 Kinetics-600 上以 FVD 0.84 实现视频生成 SOTA。