arXiv · ML· Jungsoo Lee, Alexi Gladstone, Yilun Du·· 5 小时前AI 评分39
TEM：可扩展的 Transformer 能量基模型用于高质量图像合成
Scaling Transformer Energy-based Models For High Quality Image Synthesis
AI 导读
论文提出 Transformer 能量基模型 (TEM)，通过在潜空间运行并提取多层能量进行约束，解决高维采样与训练不稳定性。 引入正向表示对齐 (PRA) 利用视觉基础模型监督中间表示，并优化推理采样策略以提升质量。 TEM-XL 在 ImageNet 256×256 上无需无分类器引导，FID-50K 达 3.82；512×512 分辨率下 FID 为 8.24。
来源：arXiv · ML · arxiv.org