PoolDINO池化算子加速RAE扩散生成
热点事件持续更新
PoolDINO池化算子加速RAE扩散生成
1 篇报道1 个报道来源3 小时前更新
先了解这件事
AI 综述
研究者 Ramón Calvo-González 等人提出 PoolDINO，一种可学习的仿射池化算子，通过合并相邻 token 压缩表示自编码器（RAE）的密集 token 网格，并与 RGB 解码器联合训练，用于加速扩散生成。 在 ImageNet-256 上，4x token 压缩在内部引导下保持可比生成质量，16x 压缩以部分质量换取更高效率；固定 100 采样步数时，潜采样吞吐分别提升 3.7x 和 9.0x。
AI 根据报道生成 · 3 小时前更新
最新进展10月8日 12:00
PoolDINO：用池化表示自编码器实现高效扩散生成报道时间线
沿着报道，了解事件的不同侧面。
10月8日
- arXiv cs.CVPoolDINO：用池化表示自编码器实现高效扩散生成
研究者提出 PoolDINO，一种可学习的仿射池化算子，通过合并相邻 token 压缩表示自编码器（RAE）的密集 token 网格，并与 RGB 解码器联合训练。在 ImageNet-256 上，4x token 压缩在内部引导下保持可比生成质量，16x 压缩以部分质量换取更高效率；固定 100 采样步数时，潜采样吞吐分别提升 3.7x 和 9.0x。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。