All are Worth Words: A ViT Backbone for Diffusion Models

增采样 计算机科学 卷积神经网络 生成模型 生成语法 人工智能 图像(数学) 深度学习 模式识别(心理学) 机器学习
作者
Fan Bao,Shu Nie,Xue Ke-min,Yue Cao,Chongxuan Li,Hua Su,Jing Zhu
标识
DOI:10.1109/cvpr52729.2023.02171
摘要

Vision transformers (ViT) have shown promise in various vision tasks while the U-Net based on a convolutional neural network (CNN) remains dominant in diffusion models. We design a simple and general ViT-based architecture (named U-ViT) for image generation with diffusion models. U-ViT is characterized by treating all inputs including the time, condition and noisy image patches as tokens and employing long skip connections between shallow and deep layers. We evaluate U-ViT in unconditional and classconditional image generation, as well as text-to-image generation tasks, where U-ViT is comparable if not superior to a CNN-based U-Net of a similar size. In particular, latent diffusion models with U-ViT achieve record-breaking FID scores of 2.29 in class-conditional image generation on ImageNet 256×256, and 5.48 in text-to-image generation on MS-COCO, among methods without accessing large external datasets during the training of generative models. Our results suggest that, for diffusion-based image modeling, the long skip connection is crucial while the down-sampling and upsampling operators in CNN-based U-Net are not always necessary. We believe that U-ViT can provide insights for future research on backbones in diffusion models and benefit generative modeling on large scale cross-modality datasets.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
WHY发布了新的文献求助20
刚刚
刚刚
刚刚
Siney发布了新的文献求助10
1秒前
sameen完成签到,获得积分10
2秒前
4秒前
4秒前
大模型应助ZXR采纳,获得10
4秒前
4秒前
cbp560完成签到,获得积分10
6秒前
6秒前
Jasper应助小曾采纳,获得10
7秒前
谦让诗霜完成签到,获得积分20
7秒前
7秒前
希望天下0贩的0应助戴岱采纳,获得10
8秒前
Camellia完成签到 ,获得积分10
8秒前
9秒前
Tonsil01发布了新的文献求助10
9秒前
9秒前
强仔发布了新的文献求助10
10秒前
羊花花发布了新的文献求助10
10秒前
不退发布了新的文献求助10
10秒前
萧七七完成签到,获得积分10
10秒前
斯文败类应助jinghong采纳,获得30
10秒前
11秒前
11关闭了11文献求助
11秒前
jiyixiao1关注了科研通微信公众号
11秒前
11秒前
积极的青丝完成签到,获得积分10
11秒前
霍楠发布了新的文献求助10
12秒前
迷路向松完成签到,获得积分10
13秒前
冷静凌翠发布了新的文献求助10
13秒前
14秒前
15秒前
yhuyfuhk完成签到 ,获得积分10
15秒前
16秒前
小胖卷毛完成签到,获得积分10
16秒前
yanyan完成签到,获得积分10
16秒前
思源发布了新的文献求助10
16秒前
16秒前
高分求助中
Lire en communiste 1000
Ore genesis in the Zambian Copperbelt with particular reference to the northern sector of the Chambishi basin 800
Becoming: An Introduction to Jung's Concept of Individuation 600
中国氢能技术发展路线图研究 500
Communist propaganda: a fact book, 1957-1958 500
Briefe aus Shanghai 1946‒1952 (Dokumente eines Kulturschocks) 500
A new species of Coccus (Homoptera: Coccoidea) from Malawi 500
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3169845
求助须知:如何正确求助?哪些是违规求助? 2820912
关于积分的说明 7932586
捐赠科研通 2481300
什么是DOI,文献DOI怎么找? 1321727
科研通“疑难数据库(出版商)”最低求助积分说明 633347
版权声明 602561