TEM模型ImageNet图像合成新进展

arXiv cs.lg最新论文《TEM：可扩展的 Transformer 能量基模型用于高质量图像合成》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。 该模型引入正向表示对齐（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生成质量。研究者还展示了其图像生成与组合能力，证明TEM具备高质量合成潜力。 在ImageNet 256×256数据集上，TEM-XL无需无分类器引导即取得FID-50K 3.82；在512×512分辨率下FID为8.24，性能表现突出。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。