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
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
lmg发布了新的文献求助10
1秒前
yaxxx完成签到,获得积分10
1秒前
11111发布了新的文献求助10
1秒前
1秒前
3秒前
XRT发布了新的文献求助10
3秒前
顾矜应助buerger采纳,获得10
3秒前
3秒前
赘婿应助dablack采纳,获得10
4秒前
4秒前
5秒前
Li梨发布了新的文献求助10
5秒前
7秒前
XYL完成签到,获得积分10
8秒前
尤苏福完成签到,获得积分10
8秒前
8秒前
wz1666发布了新的文献求助30
8秒前
9秒前
XC完成签到,获得积分10
9秒前
10秒前
无理发布了新的文献求助10
10秒前
zl02关注了科研通微信公众号
10秒前
米浆完成签到 ,获得积分10
11秒前
领导范儿应助WD采纳,获得10
12秒前
12秒前
乐乐应助冷酷的天空采纳,获得10
13秒前
傲娇的棉花糖完成签到 ,获得积分10
13秒前
13秒前
科研大捞发布了新的文献求助10
13秒前
13秒前
丘比特应助Fascinate采纳,获得10
14秒前
15秒前
17秒前
lai完成签到,获得积分10
17秒前
Fan完成签到,获得积分10
17秒前
细腻慕儿完成签到 ,获得积分10
18秒前
ling发布了新的文献求助10
18秒前
19秒前
coldspringhao完成签到,获得积分10
19秒前
19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
The Organometallic Chemistry of the Transition Metals 800
Chemistry and Physics of Carbon Volume 18 800
The Organometallic Chemistry of the Transition Metals 800
The formation of Australian attitudes towards China, 1918-1941 640
Signals, Systems, and Signal Processing 610
全相对论原子结构与含时波包动力学的理论研究--清华大学 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 物理 内科学 复合材料 催化作用 物理化学 光电子学 电极 细胞生物学 基因 无机化学
热门帖子
关注 科研通微信公众号,转发送积分 6440214
求助须知:如何正确求助?哪些是违规求助? 8254012
关于积分的说明 17569275
捐赠科研通 5498337
什么是DOI,文献DOI怎么找? 2899647
邀请新用户注册赠送积分活动 1876408
关于科研通互助平台的介绍 1716828