跳到正文
arXiv · ML· Ji Woo Hong, Gwanhyeong Koo, Hee Suk Yoon, Eunseop Yoon, SooHwan Eom, Qi Dai, Chong Luo, Chang D. Yoo·· 10 天前AI 评分31

冻结离散 Token VLM 的 Logit 条件扩散解码方法 DCDD

Logit-Conditioned Diffusion Decoding for Frozen Discrete-Token VLMs

AI 导读

针对冻结的离散 Token VLM,DCDD 框架利用采样前的 Logit 分布条件化扩散解码器以提升图像保真度。在 ImageNet-1K 上训练 50K 步后,重建 FID 降低 74%,Janus-Pro 7B 生成 FID 降低 34%。 该方法证明性能提升源于对 Logit 分布的条件化而非扩散模型本身,且保持了 GenEval 等基准的语义对齐。

来源:arXiv · ML · arxiv.org