arXiv Computer Vision· Mang Ning, Mingxiao Li, Le Zhang, Lanmiao Liu, Matthew B. Blaschko, Albert Ali Salah, Itir Onal Ertugrul·· 2 小时前AI 评分24
Spectrum Matching：提升潜扩散模型可扩散性的统一视角
Spectrum Matching: a Unified Perspective for Superior Diffusability in Latent Diffusion
AI 导读
研究提出 Spectrum Matching 假设，认为可扩散性更优的潜变量应具备平坦化的幂律功率谱密度（ESM），并通过解码器保持频率间语义对应（DSM）。在 CelebA 和 ImageNet 上的实验显示该方法优于 VA-VAE、EQ-VAE 等先前方法，并将频谱视角扩展至 REPA，提出基于 DoG 的改进方法。
来源：arXiv Computer Vision · arxiv.org