Scalable High-Resolution Pixel-Space Image Synthesis with Hourglass Diffusion Transformers

变压器 可扩展性 像素 计算机科学 沙漏 人工智能 灰度 高分辨率 图像分辨率 计算机视觉 建筑 模式识别(心理学) 电气工程 电压 物理 工程类 遥感 数据库 天文 地质学 艺术 视觉艺术
作者
Katherine Crowson,Stefan Andreas Baumann,A. C. Birch,Tanishq Abraham,David L. Kaplan,Enrico Shippole
出处
期刊:Cornell University - arXiv [Cornell University]
标识
DOI:10.48550/arxiv.2401.11605
摘要

We present the Hourglass Diffusion Transformer (HDiT), an image generative model that exhibits linear scaling with pixel count, supporting training at high-resolution (e.g. $1024 \times 1024$) directly in pixel-space. Building on the Transformer architecture, which is known to scale to billions of parameters, it bridges the gap between the efficiency of convolutional U-Nets and the scalability of Transformers. HDiT trains successfully without typical high-resolution training techniques such as multiscale architectures, latent autoencoders or self-conditioning. We demonstrate that HDiT performs competitively with existing models on ImageNet $256^2$, and sets a new state-of-the-art for diffusion models on FFHQ-$1024^2$.

科研通智能强力驱动
Strongly Powered by AbleSci AI
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
1秒前
科研民工发布了新的文献求助10
2秒前
huhuhu完成签到,获得积分20
3秒前
彭于晏的应助被坦率帅哥采纳,获得10
5秒前
饼饼发布了新的文献求助10
6秒前
6秒前
jiangjiahao发布了新的文献求助20
7秒前
斯文败类的应助被鲜于灵竹采纳,获得10
8秒前
大帅比完成签到,获得积分20
9秒前
彭于晏的应助被Astraeus采纳,获得10
10秒前
muyongxin发布了新的文献求助10
11秒前
木子完成签到 ,获得积分10
13秒前
HouKk完成签到 ,获得积分10
13秒前
陈里里的应助被妍妍采纳,获得10
14秒前
15秒前
贱小贱完成签到,获得积分0
15秒前
15秒前
huhuhu关注了科研通微信公众号
17秒前
18秒前
坦率帅哥发布了新的文献求助10
18秒前
strong完成签到 ,获得积分10
19秒前
19秒前
安年完成签到 ,获得积分10
21秒前
传奇3的应助被Astraeus采纳,获得10
21秒前
muyongxin发布了新的文献求助10
23秒前
zhaoxi完成签到,获得积分10
23秒前
Marxis发布了新的文献求助10
23秒前
七里香完成签到 ,获得积分10
24秒前
25秒前
HEHNJJ完成签到,获得积分10
26秒前
燕天与完成签到,获得积分10
27秒前
bin完成签到,获得积分10
27秒前
renenpause完成签到,获得积分10
28秒前
传奇3的应助被对手采纳,获得10
29秒前
桃李春风一杯酒完成签到,获得积分10
32秒前
SciGPT的应助被趣多味采纳,获得10
32秒前
34秒前
34秒前
34秒前
35秒前
高分求助中
(应助此贴封号)【重要!!请各用户(尤其是新用户)详细阅读】【科研通的精品贴汇总】 10000
自動車の空力技術 800
Essentials of Carbohydrate Chemistry and Biochemistry, 4th Edition 800
Organizational Behavior 510
Management and the Arts 510
Matrix Methods in Data Mining and Pattern Recognition Second Edition 510
Issues in Task-Based Language Teaching 500
热门求助领域 (近24小时)
化学 材料科学 医学 生物 纳米技术 计算机科学 化学工程 工程类 有机化学 物理 复合材料 生物化学 内科学 细胞生物学 基因 遗传学 免疫学 冶金 光电子学 癌症研究
热门帖子
关注 科研通微信公众号,转发送积分 7784000
求助须知:如何正确求助?哪些是违规求助? 9323286
关于积分的说明 20393855
捐赠科研通 7372632
什么是DOI,文献DOI怎么找? 3320849
关于科研通互助平台的介绍 2468807
邀请新用户注册赠送积分活动 2337082