研究提出DDT-RFE架构提升视觉理解与生成表现

1. 12:00
   arXiv 机器学习

   我们应该跳过扩散吗？解耦扩散 Transformer 架构 DDT-RFE 研究

   研究提出 DDT-RFE 架构，通过移除解耦扩散 Transformer（DDT）编码器中 Self-Attention 和 MLP 的残差连接，促进各层学习更深度的抽象语义表征。模型通过融合输入 patch embedding 与多层编码器特征供给解码器，在使用更少编码器块的情况下，在图像分类、语义分割等视觉理解任务上全面超越 DDT，并在 ImageNet 图像生成中取得了更低的 FID。

当前热度 9·可比范围峰值 10（10月7日 13:00）·近 24 小时可比范围变化 –

趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。