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
刚刚
李笑发布了新的文献求助10
刚刚
coldbee完成签到,获得积分10
1秒前
sunny2470完成签到,获得积分10
2秒前
2秒前
mmm完成签到,获得积分10
3秒前
顾矜应助imlishuaiwhoyou采纳,获得10
4秒前
尾巴尖尖应助ying采纳,获得10
4秒前
4秒前
4秒前
dsd发布了新的文献求助10
4秒前
wuyou992完成签到,获得积分10
5秒前
小蘑菇应助瑶瑶采纳,获得10
5秒前
Foch发布了新的文献求助10
5秒前
jsj发布了新的文献求助10
6秒前
ju应助刘豆采纳,获得20
7秒前
赘婿应助幸运鹅采纳,获得10
7秒前
款冬发布了新的文献求助10
7秒前
调皮的皓轩完成签到,获得积分10
7秒前
HAO发布了新的文献求助10
8秒前
8秒前
渡人舟应助大佛采纳,获得10
8秒前
歌德商务楼完成签到,获得积分10
9秒前
9秒前
姜梦瑶完成签到,获得积分10
9秒前
慕青应助Vaying采纳,获得10
9秒前
10秒前
科研通AI6.4应助sxl采纳,获得10
10秒前
科研通AI6.2应助sxl采纳,获得10
10秒前
研0种牛马发布了新的文献求助10
10秒前
10秒前
大葱鸭完成签到,获得积分10
10秒前
10秒前
科研通AI6.2应助sxl采纳,获得10
10秒前
科研通AI6.4应助sxl采纳,获得10
10秒前
科研通AI6.4应助sxl采纳,获得10
11秒前
11秒前
11秒前
科研通AI6.2应助sxl采纳,获得10
11秒前
writan发布了新的文献求助10
11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
Principles of town planning: translating concepts to applications 1000
Management and the Arts 510
Matrix Methods in Data Mining and Pattern Recognition Second Edition 510
核安全综合知识2024版 500
Photothermal Science and Techniques 500
Digital Displacement Hydrostatic Transmission for Rotorcraft and Distributed Propulsion 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 工程类 有机化学 化学工程 生物化学 计算机科学 内科学 物理 复合材料 催化作用 细胞生物学 无机化学 光电子学 物理化学 电极 基因
热门帖子
关注 科研通微信公众号,转发送积分 7708765
求助须知:如何正确求助?哪些是违规求助? 9265847
关于积分的说明 20057591
捐赠科研通 7284891
什么是DOI,文献DOI怎么找? 3296399
关于科研通互助平台的介绍 2451104
邀请新用户注册赠送积分活动 2303421