ピクセル拡散トランスフォーマー設計再考、MFlowとConvRefinerを提案
arXiv cs.CVは10月16日(現地時間)、論文『Rethinking the design space of Vanilla Pixel Diffusion Transformers』を発表した。この研究は、バニラピクセル拡散トランスフォーマーの設計空間を再検討し、新たな適応的パラメータ化手法「MFlow」と、生成画像の高周波特性を改善するモジュール「ConvRefiner」を導入している。潜在拡散モデルの代替として再び注目されるピクセル空間拡散モデルの性能向上を目指すものだ。